| 基于深度学习的工业分拣机器人快速视觉识别与定位算法 |
| |
| 引用本文： | 伍锡如, 黄国明, 孙立宁. 基于深度学习的工业分拣机器人快速视觉识别与定位算法[J]. 机器人, 2016, 38(6): 711-719. DOI: 10.13973/j.cnki.robot.2016.0711 |
| |
| 作者姓名： | 伍锡如 黄国明 孙立宁 |
| |
| 作者单位： | 1. 桂林电子科技大学电子工程与自动化学院,广西 桂林 541004; |
| |
| 基金项目： | 国家自然科学基金（61603107）;广西自然科学基金（2015GXNSFAA139297,2016GXNSFDA380001）;广西自动检测技术与仪器重点实验室基金（YQ16108）;智能综合自动化高校重点实验室基金（2016）;桂林电子科技大学研究生教育创新计划（2016YJCX04） |
| |
| 摘 要： | 针对工业分拣机器人识别复杂工件慢、精确度低以及定位不准等问题,提出一种基于深度学习的快速识别定位算法．通过工业高精度相机获取目标图像信息,经过图像灰度化、图像滤波、Otsu二值化处理,再经边界像素检测算法定位并分割目标图像．运用已训练的深度卷积神经网络（CNN）对目标进行识别,得到目标所在的位置坐标以及所属类别,实现工业机器人分拣．实验测试中以纹路复杂的象棋为例进行定位识别,结果表明定位算法误差小于0．8 mm,最快识别速度达0．049秒/个,在实验环境中识别精度能保持在98%以上,表明算法具备良好的准确性和稳定性．
|
| 关 键 词： | 深度学习 卷积神经网络 视觉识别 定位算法 工业分拣机器人 |
| 收稿时间： | 2016-05-11 |
| 修稿时间： | 2016-11-03 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《机器人》浏览原始摘要信息 |
|
点击此处可从《机器人》下载免费的PDF全文 |
|
