无人化起重装卸的目标物实例分割模型研究

作者：王国桢; 卢国杰; 王桂棠^*

来源：电子测量技术, 2023, 46(18): 139-146.

DOI：10.19651/j.cnki.emt.2212430

• 不确定目标物
• 无人化装卸
• 深度学习
• 实例分割

不确定目标物自动识别是研发无人化智能起重装卸系统的关键，目前有效的技术是基于深度学习的实例分割。设计了一个融合CNN和Transformer的异构特征信息的模块，以解决当前实例分割主干网络存在的提取图像全局上下文特征信息的能力有限、卷积算子难以对感受野的长程相关性进行建模、以及识别纹理特征单一目标时缺乏足够的深度线索等问题。通过利用Transformer建模全局依赖关系，并与CNN提取局部信息的能力相融合；然后通过引入Dense RepPoints检测网络构建了针对不确定目标物的实例分割网络，实现准确分割且能分割其不同表面。应用实验结果表明本方法具有达到很好的实例分割效果，AP达到98.82%、mIoU达到91.89%,分别比目前同类的研究成果提升了4.95%和5.42%。

• 单位
  广东工业大学; 广州吉欧电子科技有限公司; 广州黑格智造信息科技有限公司