基于卷积神经网络的钢筋自动计数与中心定位
计算机视觉与模式识别
2019-06-20 v2 系统与控制
系统与控制
摘要
钢筋自动计数与中心定位在钢筋工厂自动化中起着重要作用。传统方法仅关注钢筋计数，且其性能常受复杂工业环境限制。卷积神经网络（CNN）在处理复杂环境中的复杂任务方面具有很强能力，本工作将其应用其中。提出一种称为 CNN-DC 的框架，以同时实现钢筋自动计数与中心定位。所提框架 CNN-DC 首先用深度 CNN 检测候选中心点，然后提出一种称为距离聚类（DC）的有效聚类算法对候选中心点聚类并定位钢筋真实中心。所提 CNN-DC 在建立的钢筋数据集上可实现 99.26% 的计数准确率和 4.1% 的中心偏移，表明所提 CNN-DC 在钢筋自动计数与中心定位上表现良好。代码公开于：https://github.com/BenzhangQiu/Steel-bar-Detection。
引用
@article{arxiv.1906.00891,
title = {Automated Steel Bar Counting and Center Localization with Convolutional Neural Networks},
author = {Zhun Fan and Jiewei Lu and Benzhang Qiu and Tao Jiang and Kang An and Alex Noel Josephraj and Chuliang Wei},
journal= {arXiv preprint arXiv:1906.00891},
year = {2019}
}
备注
Ready to submit IEEE Transactions on Industrial Informatics