排序方式： 共有1条查询结果，搜索用时 31 毫秒
1
1.
零件识别是机械部件装配、装箱的重要基础,人工识别效率低,传统机器视觉检测要求高、场景单一.提出一种基于深度学习机器视觉的机械零件识别方法,通过加入PointRend模块提升原始Mask R-CNN实例分割模型的检测精度;针对相似度高零件设计类别细分方法,通过尺寸估算与特征匹配,较好地解决由于数据增强图像缩放造成的尺寸特征丢失问题.采集25种不同零件进行识别实验,结果表明,该方法可有效提升机械零件的识别准确率,算法对相似零件识别准确率达100％,较原始Mask R-CNN方法提升11.51％.并且该方法可推广到其他具有相似特征目标的识别任务中. 相似文献
1