基于机器视觉与Faster-RCNN的Delta机器人工件识别检测 |
| |
引用本文: | 张宇廷.基于机器视觉与Faster-RCNN的Delta机器人工件识别检测[J].机床与液压,2023,51(5):35-40. |
| |
作者姓名: | 张宇廷 |
| |
作者单位: | 中北大学机械工程学院;山西省起重机数字化设计工程技术研究中心 |
| |
基金项目: | 山西省重点国际科技合作项目(201903D421015) |
| |
摘 要: | 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。
|
关 键 词: | 并联机器人 深度学习 Faster R-CNN 图像处理 |
|
| 点击此处可从《机床与液压》浏览原始摘要信息 |
|
点击此处可从《机床与液压》下载全文 |