对于流水线上多类产品不规则混合放置条件下的统计问题,利用基于faster R-CNN和改进的深度卷积网络结合的图像识别方法,实现了对产品的在线分类计数。首先利用faster R-CNN方法获取图像中产品的位置信息,然后用改进的深度卷积网络对图像进行特征提取,将产品区域的位置信息映射到最后一层特征图上,再用ROI池化对产品区域特征进行尺度归一化,把归一化后的产品特征输入softmax分类器识别,从而实现了分类统计。实验结果表明,该方法能够在工业生产中实现多类混线产品在线自动分类统计。

为了实现对具有椭圆特征的目标进行在线检测，需要一种快速、高效的椭圆检测算法。目前研究最广泛的椭圆检测算法是基于Hough变换及其改进的算法，通过在参数空间中对图像中每一个前景点进行投票累加，得到的局部最大值所处位置即为检测出的椭圆参数。但该算法检测精度不高、占用空间大、运行时间长，后期的改进算法也只是通过各种方法间接减小参数空间，没有从根本上减少计算量，不适用于在线检测。对此，提出了一种基于曲线跟踪的椭圆检测算法，通过检测轮廓线得到参数，判断是否为椭圆。经过验证，新算法检测精度高、识别率高、速度快，满足在线检测要求。