机构名称：
¥ 1.0
摘要 - 本文旨在探索3D视觉技术在后勤过程自动化中的应用，并在工业环境中使用深度学习进行对象识别和操纵。这项工作开发了一个3D视觉系统，该系统采用对象和键盘检测模型，该模型训练有Roboflow和Yolov8等工具（您只看一次版本8）。该方法包括数据收集和注释，深度学习模型的开发以及对获得结果的分析。模型在块和关键点识别中表现出很高的精度和回忆，由于注释的可变性，关键点模型的精度略有降低。整合模型提出了计算挑战，但合并的方法被证明在精确检测中有效。限制包括对资源优化和注释过程改进的需求。此外，获得的准确性是由于对象检测系统经过大量数据训练以提供高精度的事实。根据平均精度（地图）和恢复的度量进行训练和评估该模型，获得98.3％的地图，精度为96.4％，召回95.6％。关键字：3D视觉；物流自动化； roboflow;对象检测；关键点； Yolov8。
使用Yolov8
主要关键词
相关文件推荐
