基于机器学习的压阻手套智能识别系统研究

扫码查看

原文链接

NETL

中文摘要：具备多感觉信息处理能力是现代智能设备向类人化迈进的一个重要指标，其能有效提高智能设备在各类任务中的反应速度和动作精度。得益于现代机器学习技术在视听信息处理上的快速发展，智能设备已具有可媲美人类的视听信息处理能力，相比之下其对其他感觉信息如触觉信息的处理能力却相差甚远。然而由于触觉感知的空间信息丰富性、数据稀少性和数据不通用等原因造成机器学习技术处理触觉信息的研究是缓慢的。本文用自制的带有26个触觉传感器的压阻手套、电压转换装置和数据采集卡制作了一套触觉信息采集系统。利用该系统采集了人手触摸、抓握30个不同物体时的触觉信息，将触觉信息表述于手状背景图上，以该图形表示物体接触部分的外观形态。再将多次采集生成的图像拼接在一起表示物体的整体形态。根据与物体的不同交互方式，制作了两种触觉图像数据集:触摸数据集(TH-dataset)和抓握数据集(GP-dataset)。由于触觉信息不具备颜色、形状和亮度等信息，故将其能反映物体局部形态的空间信息作为关注重点。本文研究了能学习到空间信息的胶囊网络，并基于胶囊网络和分支结构提出了3分支深度胶囊网络(MED-CapNet-3)，又根据胶囊网络特殊的损失计算方式提出了MR-Resnet。从MED-CapNet-3在触摸数据集上96.17％的分类准确率可得多分支深度胶囊网络具备良好的触觉信息学习能力。又通过对比MED-CapNet-3和MR-Resnet在触摸数据集上的表现，找到了胶囊网络能有效学习空间信息的核心原因在于其路由机制。此外，以MED-CapNet-3为基础，通过扩展分支数目和迁移参数提出了6分支深度胶囊网络(MED-CapNet-6),该网络在抓握数据集上的分类准确率可达99.4％，具有良好的竞争性。

作者：

薛晓飞

展开 >

关键词：

压阻手套智能识别系统触觉传感器机器学习胶囊网络

授予学位：

硕士

学科专业：

计算机技术

导师：

朱杰；张红亮

学位年度：

2023

学位授予单位：

北华航天工业学院

语种：

中文

中图分类号：