首页|深度学习的车间零件分拣机器人目标识别方法

深度学习的车间零件分拣机器人目标识别方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对目前方法识别机器人目标时,由于未能详细分析分拣机器人运动规律,导致该方法开展目标识别时,存在平均置信度低、识别效果差等问题,提出深度学习的车间零件分拣机器人目标识别方法.该方法通过分析分拣机器人运动规律,提取待检测目标的特征向量值;结合深度学习理论建立目标识别模型,并寻找模型最佳参数;建立待检测目标的相关测试集放入模型中训练,基于模型输出结果,完成机器人的目标识别.实验结果表明,运用该方法识别目标时,其在特征提取后,分拣目标数量为1000个时,识别准确率达到了 97.5％以上,识别耗时在100s以下,平均置信度约为0.8,有效提高了平均置信度、降低了识别时间,识别效果好.
Object Recognition Method for Workshop Parts Sorting Robot Based on Deep Learning

Deep LearningModel TrainingWorkshop PartsSorting RobotsObject RecognitionRecognition Methods

杨静宜、王静红、崔建弘

展开 >

河北工程技术学院人工智能与大数据学院,河北石家庄 050091

河北师范大学计算机与网络空间安全学院,河北石家庄 050091

深度学习 模型训练 车间零件 分拣机器人 目标识别 识别方法

河北工程技术学院科研课题

2017HG10

2023

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2023.389(7)
  • 1
  • 10