近年来,基于深度学习的无锚框目标检测算法备受关注。为了深入理解无锚框检测算法,对比分析了基于深度学习的无锚框检测算法的原理机制、网络结构、核心特性以及优缺点,归纳总结了无锚框检测算法的核心技术,并在同一数据集上通过性能实验研究上述算法的性能,总结提出基于深度学习的目标检测算法未来的研究方向。

针对软胶囊实时缺陷检测与丸形分级问题,提出一种基于远心视觉的椭圆度测量方法及其系统。以最小二乘椭圆作为评定基准,用被测轮廓的最小外接椭圆和最大内接椭圆的通径定义椭圆度误差,建立了椭圆度评定的最小二乘数学模型;建立胶囊缺陷与丸形分级的远心视觉检测系统,给出胶囊缺陷与丸形分级的检测流程;以某药企的保健药丸为对象,开展胶囊缺陷与丸形分级的视觉检测实验。结果表明:合理设定阈值,丸形分级检测的准确率可达100%;单颗胶囊的检测用时0.712 s。通过开发并行处理算法,缩短耗时、提高效率,该椭圆度误差评定方法及远心视觉系统可用于胶囊缺陷与丸形分级的实时检测。