基于视觉感知的机器人工件识别方法研究

作者：崔新霞; 卢硕晨; 孙敦凯

来源：包装工程, 2023, 44(07): 186-195.

DOI：10.19554/j.cnki.1001-3563.2023.07.021

• 视觉感知
• 目标检测
• 深度学习
• 卷积神经网络
• YOLO V3网络

目的 解决定制化木门尺寸规格不统一、表面纹理多样而导致的堆垛分类困难、搬运效率低下等问题。方法 提出采用深度学习方法进行定制式木门工件检测，以YOLOV3网络为基本框架开展机器人工件识别方法研究。首先，通过图像数据增强和预处理，扩充定制式木门数据；然后，进行YOLO V3损失函数改进，并根据木门特征进行定制式木门数据集锚框尺度的重新聚类；最后，应用空间金字塔池化层进行YOLO V3中特征金字塔网络改进，并通过随机选取的测试集验证本文方法的有效性。结果 测试数据集的平均检测准确率均值达到98.05%，检测每张图片的时间为137 ms。结论 研究表明，本文方法能够满足木门生产线对准确率和实时性的要求，可大大提高定制化木门转线及堆垛效率。

• 单位
  中国矿业大学（北京）; 中国矿业大学; 机电工程学院