摘要:堆叠板材的实时计数对企业生产有着重要意义。目前,业内仍普遍采用人工计数法,效率低且准确性不高。针对此现象,本文提出了一套基于嵌入式平台和轻量化图像识别模型的堆叠板材计数装置,将改进的轻量化Faster R-CNN网络植入工控机中运行,可以在工业和物流现场实时识别板材的数量。该板材图像计数与识别装置的算法使用轻量级网络MobileNetv2融合轻量通道注意力机制(Efficient channel attention, ECA)作为骨干网络,使用空间注意力机制(Spatial attention, SA)和倒置残差结构重构FPN架构,并提出了一种基于高度交并比(Height intersection over union,HIOU)的HIOU_Loc预测框去冗余处理新算法,以提升特征提取效率,缓解小目标检测困难的难题。在基于N4100平台的工控机中运行实验表明:本文所提出的算法对板材计数准确度达到了98.51%,检测一张高分辨率板材图像仅需0.31s。为了提高准确率,本装置在软件上设计了一个校正模块,经过人工后处理后,对于堆叠板材的计数准确率可以达到100%,满足了实际场景下对板材实时计量的需求。