排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
2.
针对物流输送线上包裹需要分类识别输送的问题,进行物流包裹图像识别实现方法研究.利用Faster-RCNN深度学习模型对物流输送线上常见的纸盒、软包和蛇皮袋三类包装的包裹进行图像识别研究,优化调整模型的训练学习参数并进行交叉验证.实验确定Faster-RCNN深度学习模型用于包裹图像识别的最佳训练学习参数为学习率0.0020、训练集与测试集的数量比例7:3和迭代次数2810次,最后将优化调整后的模型用于物流包裹识别验证.实验数据表明优化调整的Faster-RCNN深度学习模型,对于包裹识别平均准确率可达到89.22%,在物流包裹图像识别领域具有较高的识别水平. 相似文献
1