用于YOLOv4自定义数据集识别的人工神经网络的开发与验证
计算工程、金融与科学
2024-05-07 v1
摘要
不断扩展的应用被更多用户使用，提升了硬件性能，并进一步开发了用于大数据处理的云系统。这导致了众多未被探索的深度学习应用，特别是在用于目标识别的高级计算机视觉领域。图像处理中的深度学习涵盖了从识别具有不同形状和大小的元素到复杂元素分类、应对不同背景和光照条件以及文本识别等各种任务。其优势在于鲁棒的设置和对复杂元素识别的高性能。这项工作旨在开发一个基于深度学习的检测系统，用于自动识别在几何形状、大小、轮廓或颜色上有所不同的装配组件。该系统采用YOLOv4算法，根据组件的特征进行检测。测试涉及13个组件，使用Raspberry Pi微控制器和相机在不同方向、数量、单个零件或组装组的情况下捕获它们。评估侧重于正确的目标识别、置信度值、不同的组合、物体之间的距离以及影响系统质量的环境因素。结果表明，在所有场景下，无论方向或物体数量如何，目标识别都是积极的。即使是密集排列的物体也能以高置信度（97-100%）被正确识别。光照条件对结果没有显著影响，所有物体都被正确标记。所开发的系统适用于实时二维组件检测，并有可能通过使用具有不同定位和视角的多个相机扩展到三维分析。
引用
@article{arxiv.2405.02298,
title = {Development and Validation of an Artificial Neural Network for the Recognition of Custom Dataset with YOLOv4},
author = {P. Veysi and M. Adeli and N. Peirov Naziri},
journal= {arXiv preprint arXiv:2405.02298},
year = {2024}
}