排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
针对机器视觉领域中并联机器人存在目标识别模糊,分类效率差以及反应速度过慢的问题,提出了一种基于深度学习的并联机器人定位检测技术。首先对目标识别物进行图像采集,改进图像数据集,将处理前后图像放入训练集提高网络效率,搭建YOLOX目标检测分类识别算法提高并联机器人检测精度;其次改进训练方式,通过预训练与实际训练提高可靠性,改进损失策略;然后建立并联机器人主体基坐标系与相机坐标系,结合手眼标定与相机标定方法,求得目标实际坐标与机器人基坐标系的转换关系;最后在并联机器人实验平台验证目标标定结果,对比主流深度学习算法YOLOv3、YOLOv4、Faster-RCNN得出的并联机构网络定位与实际定位的相对误差,结果表明YOLOX的定位精度误差为3.992-5.061mm之间,平均精确度达到了91%左右。该方法可为并联机器人结合深度学习实现检测定位提供一定参考价值。 相似文献
2.
针对早期设计的桥式起重机数字化开发系统存在开发环境兼容性差、流通范围小、开发语言落后、设计思路具有局限性的问题,结合网络协同的设计思想,使用Visual Studio 2013中的ASP.Net.Core作为开发框架,C#作为开发语言,进行桥式起重机云平台开发,完成桥式起重机三维模型驱动与机构的尺寸排布校核;根据NSGA-II算法验证主梁的设计可行性并给出轻量化设计方案,然后快速生成工程图纸并调整;最后使用云开发的SaaS服务模式,实现多租户在网络浏览器端对桥式起重机的协同化与定制化设计。该数字化系统兼容多开发环境下的服务,为传统起重机行业从数字化向智能化发展提供参考。 相似文献
3.
针对传统并联机器人在工作环境中存在抓取不精确、定位与分类识别效率低下的问题,提出一种基于机器视觉与Faster-RCNN神经网络的工件识别检测技术。采用Delta机器人实验平台采集图像,进行图像的预处理操作并将其添加至网络训练集。通过Python3.7-torch1.7搭建深度学习中的Faster R-CNN卷积神经网络,作为基本框架训练工件图像数据集。最后将训练后的卷积神经网络得到的工件检测结果与原实验工件识别系统对比。结果表明:改进后的识别平均精确度比原有识别系统有所提高,反应时间缩短,并且能识别不同类型的工件。 相似文献
4.
阿维拉霉素又称卑霉素,在畜牧业上用做饲料添加剂。从其理化性质,菌种诱变筛选方法,培养基及发酵条件等方面做了综述,并对当前育种筛选存在的问题进行了分析。 相似文献
5.
6.
针对传统Canny算子在复杂工件边缘检测中存在识别相似度低,工件边缘连续性与鲁棒适应性差的问题,提出了一种改进K-means算法的自适应Canny算子工件边缘检测技术。首先,进行相关复杂工件的形态学预处理操作,通过改进K-means算法进行分割与融合图像;其次,改进Canny算子的梯度方向与自适应度,Otsu阈值分割处理,使用最小二乘法拟合工件孔洞锯齿边界;最后,将得到的边缘结果与传统Canny算子图像进行对比,结果表明改进后图像的峰值信噪比(PSNR)与相似度(SSIM)有所提升。实现了复杂相似工件的自适应边缘检测,为算法结合图像边缘处理技术提供了一定的参考价值。 相似文献
1