基于深度判别的零件吸附位姿搜索

重工机械设备组装中定制化零件具有形状复杂、尺寸跨度广的特点,实际生产中,吸附零件的准确性与实时性仍有较大的优化空间。为此本文提出了基于深度判别的零件吸附位姿搜索算法。通过DenseNet-121模型对合成的图像进行判断,并对判为非规则类型的零件使用GWO搜索吸附位姿,同时引入了基于重心点的高斯分布或均匀分布抽样初始化种群。试验表明,本文提出的判断模型平均准确率为99.3%,推理时间降低了487倍。而提出的改进GWO在非规则型零件集上的吸附得分提升了7.7%,整体时间开销降低了39.42%,证明了本文方法具有更好的快速性与准确性。