基于U-net和YOLOv4-tiny的鎖孔中心定位算法*

謝孟添 刁云峰 程文明 唐 鑫 肖施睿

1西南交通大學機械學院 成都 610031 2軌道交通運維技術(shù)與裝備四川省重點實驗室 成都 610031

0 引言

近年來，隨著我國經(jīng)濟的飛速發(fā)展，鐵路集裝箱貨運需求量大大增加。為了應對運量的上升，起重機的自動化是至關(guān)重要的一步。目前，在集裝箱裝卸工作中，起重機操作人員需要在地面員工的輔助下進行集裝箱的裝卸，大大降低了集裝箱的裝卸效率。更重要的是，長時間的手工工作可能導致工作事故。調(diào)查顯示[1]，2015年～2020年，人為因素造成的事故占到集裝箱碼頭所有事故的一半以上。因此，目前迫切需要一種高效、安全的自動化方法來替代人工操作。

隨著計算機視覺領(lǐng)域的發(fā)展，基于圖像視覺的識別和定位技術(shù)逐漸運用在了集裝箱領(lǐng)域[2-4]。Yoon H J等[5]利用雙目視覺系統(tǒng)實現(xiàn)了集裝箱高度距離的檢測，但該方法計算復雜度高，對環(huán)境光照敏感，且無法定位集裝箱的橫向與縱向位置，故難以應用于實際的集裝箱貨場。李巖等[6]提出了一種基于機器學習的集裝箱鎖孔檢測和定位方法，該方法運用改進的HOG算法提取鎖孔特征，并利用SVM分類器實現(xiàn)了鎖孔的實時檢測和定位，但檢測準確率并未達到實際應用的水平。文獻[7]利用傳統(tǒng)的邊緣檢測算法來提取鎖孔的邊緣，并在理想的實驗條件下通過微縮集裝箱模型進行了測試，得到了較好的對位精度。但實際條件下的集裝箱通常會受到環(huán)境腐蝕，鎖孔周圍的銹跡會大大降低邊緣檢測算法的精度。……