基于YOLO v3的自动餐具分拣检测

当今餐饮行业中餐具的使用愈发频繁,而现有的人工餐具分拣方法效率低、安全性差且成本过高.为此,设计了一套基于YOLO v3的自动餐具分拣系统,包括硬件数据采集、图像识别及分拣执行三部分.其中,基于机器视觉的采集系统利用摄像头将餐具图像传入计算机,并在摄像头背面配上小夜视灯以实现补光.再引入Gamma校正进行图像预处理,同时基于YOLO v3实现对餐具的识别与定位.最后通过串口传递信息以控制机械臂实现分拣.实验结果表明,利用YOLO v3能够达到较好的餐具检测效果.     

联合深度置信网络与邻域回归的超分辨率算法

为了提高重建的质量和速度,提出一种联合深度置信网络与邻域回归的超分辨率算法.一方面,结合字典学习与神经网络表示的联系对传统的深度置信网络进行调整,采用该网络模型实现字典学习,充分利用该模型突出的学习能力,使字典具有更好的特征表达能力,从而提高图像的重建质量.另一方面,在基于字典学习的超分辨率框架中融入邻域回归思想.首先,利用最近邻域算法确定字典原子的最近邻域映射关系;然后以此为基础,结合邻域回归方法,离线计算高、低分辨率投影矩阵;最后在重建过程中将该投影矩阵应用于图像重建.该方法避免了字典学习中的系数求解过程,降低了计算的复杂度,提高了重建的速度.实验表明,算法具有更高的峰值信噪比和结构相似度,同时极大地提高了图像的重建速度.