1 长春理工大学 机电工程学院, 吉林 长春 130022
2 长春理工大学 重庆研究院, 重庆 401135
3 郑州轻工业大学 电气信息工程学院, 河南 郑州 450002
4 中国烟草总公司 郑州烟草研究院, 河南 郑州 450001
针对瞳孔区域屈光度识别准确率低、检测效率低等问题, 本文提出一种基于改进Y0L0v3深度 神经网络的瞳孔图像检测算法。首先构建用于提取瞳孔主特征的二分类检测网络Y0L0v3-base,强化 对瞳孔特征的学习能力。然后通过迁移学习, 将训练模型参数迁移至 YOLOv3-DPDC(Deep Pupil Diopter Classify), 降低样本数据分布不均衡造成的模型训练困难以及检测性能差的难题, 最后采用 Fine-tuning调参快速训练YOLOv3多分类网络, 实现了对瞳孔屈光度快速检测。通过采集的1200张 红外瞳孔图像进行实验测试, 结果表明本文算法屈光度检测准确率达91.6%, 检测速度可达 45 fps, 优于使用Faster R-CNN进行屈光度检测的方法。
瞳孔屈光度检测 深度学习 YOLOv3网络 多尺度特征 机器视觉 pupil diopter detection, deep learning, YOLOv3, mu
1 长春理工大学 机电工程学院，吉林 长春 130022
2 长春理工大学 重庆研究院，重庆 401135
随着道路上汽车的增多，汽车制动系统的可靠性受到越来越多的关注，基于机器视觉的汽车制动主缸补偿孔参数检测精度，是决定汽车安全性和停车可靠性的关键技术，补偿孔作为汽车制动主缸的重要组成部分，可以起到调节汽车制动主缸储液罐与压力室中制动液的重要作用，其尺寸精度和加工质量受到严格的控制，因此如何准确的获取补偿孔的图像是补偿孔参数检测的首要问题。通过将飞机钻铆孔法线找正的方法引入到图像获取中，将四点微平面法线检测方法与图像处理相结合，实现高效高精度的法线找正。实验表明，本文算法法线找正精度高于0.05°，优于传统检测精度的0.5°，检测时间小于1 s。本文提出的算法在满足精度要求的情况下，算法简单，实时性高，同时具有较好的鲁棒性，满足制动主缸生产工业现场对于检测速度和精度的要求。
激光测距 法线检测 梯度霍夫变换 椭圆拟合 laser ranging normal detection gradient hough transform ellipse fitting
