基于边缘提取与空洞卷积的抓取目标检测算法

为解决当前工业机器人抓取检测任务中存在的精度不足的问题，提出了一种基于边缘提取与空洞卷积的抓取目标检测算法。该方法以当前较为稳定的YOLOv3网络作为主干网络，进行基于边缘提取的多通道特征融合，添加Edge Feature模块提高网络的检测精度和检测速度；基于空洞卷积技术优化自适应空间特征融合，形成Dilation-ASFF网络，替换原部分网络，提高网络对多尺度信息的感受能力以及网络检测精度；用CIoU的方法修改抓取框回归损失函数，提高网络的收敛能力与精度。改进后的算法在Cornell抓取检测数据集上的AP达到96.79%，检测速度达到0.063 s/样本，相比于原版YOLOv3网络，AP提高了2.98%。本改进算法在保证检测实时性的基础上，大大提高了检测精度，体现了研究的理论价值和应用价值。