基于轻量级卷积神经网络的零件位姿识别算法

文档摘要：针对目前基于卷积神经网络(CNN)的识别检测算法存在参数量多、计算量大、内存占用大以及资源消耗过多的问题,基于YOLOv3网络结构的优势,提出了一种轻量级的识别检测网络EfficientNet-B0-YOLOv3.该网络不仅可以实现零件的位姿识别,而且可识别出零件的各个面,在具备高识别检测精度的同时,降低了网络的参数量和计算量,而且训练好的网络模型大小只有41.10MB,可以降低资源消耗,在工业应用中,降低内存占用,更容易嵌入设备进行使用.

Abstract：Aimingatproblemsofcurrentrecognitionanddetectionalgorithmsbasedonconvolutionalneuralnetwork(CNN),suchasalargenumberofparameters,ahugeamountofcalculation,alargeamountofmemoryandexcessiveresourceconsumption,alightweightrecognitionanddetectionnetworkbasedontheadvantagesoftheYOLOv3,networkstructure,EfficientNet-B0-YOLOv3isproposed.Thisnetworkcannotonlyrealizeposerecognitionofpart,butalsocanrecognizeeachfaceofthepart.Ithashighrecognitionanddetectionprecision,whilereducingtheamountofparametersandcomputationofthenetwork,andthesizeofthetrainednetworkmodelisonly41.10MB,whichcanreduceresourceconsumption.Inindustrialapplications,itreducesmemoryusageandmakesiteasiertobeembeddeddevicesforuse.

作者：周旺  于微波  杨宏韬Author：ZHOUWang  YUWeibo  YANGHongtao
作者单位：长春工业大学电气与电子工程学院,吉林长春130012
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2024, 43(6)
分类号：TP391
关键词：YOLOv3  EfficientNet  零件位姿识别  轻量级卷积神经网络  
Keywords：YOLOv3  EfficientNet  partposerecognition  lightweightconvolutionalneuralnetwork  
机标分类号：TP391.41TH165TH721
在线出版日期：2024年7月12日
基金项目：吉林省教育厅项目，吉林省科技发展计划资助项目基于轻量级卷积神经网络的零件位姿识别算法[
期刊论文]  传感器与微系统--2024, 43(6)周旺  于微波  杨宏韬针对目前基于卷积神经网络(CNN)的识别检测算法存在参数量多、计算量大、内存占用大以及资源消耗过多的问题,基于YOLOv3网络结构的优势,提出了一种轻量级的识别检测网络EfficientNet-B0-YOLOv3.该网络不仅可以实现零件的位...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

关键词：YOLOv3,EfficientNet,零件位姿识别,轻量级卷积神经网络,

2024-10-4 00:46 上传 基于轻量级卷积神经网络的零件位姿识别算法.pdf

文件大小:

1.01 MB

下载次数:

60

高速下载