来源：期刊VIP网 时间：
作者：丁孟孟;岳晓丽;
单位：东华大学机械工程学院;
摘要：针对在厢式货车中的弱光环境下，对自动装箱系统的箱体识别精度低的问题，提出一种基于优化的Kindling the Darkness(KinD)网络与You Only Look Once 11(YOLO 11)目标检测的视觉识别方法。对KinD网络进行结构优化，引入双边滤波降噪和Sobel边缘增强模块，实现图像亮度与细节的有效提升；通过YOLO 11算法检测瓦楞纸箱，进行三维定位与姿态估计。结果表明，优化的KinD网络经图像增强后，平均峰值信噪比达到15.04 dB，结构相似性指数为0.72，图像处理时间为0.338 s;YOLO 11算法对增强图像的目标检测匹配度达到完全匹配26.7%、高匹配42.7%，整体平均位置误差归一化值为0.0143。研究为物流行业的自动装卸工作提供技术支撑。
关键词：自动装箱系统;;弱光环境;;图像增强;;目标检测;;KinD网络;;YOLO 11
基金资助：国家重点研发计划项目（2017YFB0309701）
