《表7 抓取实验统计表：基于改进的YOLOv3算法在目标识别与抓取中的应用》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进的YOLOv3算法在目标识别与抓取中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

不同算法针对不同物体在不同背景下的识别实验对比如图8所示，图8(a）、图8(c）为YOLOV3对于目标的识别，图8(b）、图8(d）是改进的YOLOv3算法对于目标的识别。因为YOLOv3的算法采用的数据集物体的种类较多，将试验台识别为桌子，且对于其他物体的识别率也并不准确，对比可知，改进的YOLOv3算法不会识别非抓取目标。识别图8(a）、图8(b）的背景1中，手机识别率由0.47提升到0.94。识别图8(c）、图8(d）的背景2中，识别蓝色杯子准确率由漏识别提升到0.99；矿泉水瓶由0.98提升至1.00；识别药瓶的准确率由0.91提升到0.96。如图8(b）、图8(d）所示，改进的YOLOv3算法能通过自适应聚类算法更好的解决在未知数据集中anchor box的应用，能够看出（b）的识别框要更加接近物体。最终的识别与抓取实验如图9所示，抓取成功率如表7所示。