工业场景下基于深度学习的散乱堆叠工件识别

作者：孙乔; 温秀兰^*; 姚波; 吕仲艳; 崔伟祥

来源：南京工程学院学报(自然科学版), 2020, 18(03): 1-5.

DOI：10.13960/j.issn.1672-2558.2020.03.001

• 机器人分拣
• 深度学习
• 工件识别
• YOLO v3

针对工业机器人分拣场景下的散乱堆叠工件目标识别率不高、实时性较差的问题,采用检测速度较快且性能较好的深度学习YOLO v3算法对工业场景下的法兰盘和三通管进行目标识别,使用Darknet-53网络,采用K-means聚类得到先验框的尺寸,并使用logistic对目标进行预测.通过KinectV2相机采集目标RGB数据制作数据集,完成样本的训练.试验结果表明,在工业场景下YOLO v3算法相较于传统算法HOG+SVM对散乱堆叠的目标识别结果准确率更高、识别速度更快,并且具有良好的鲁棒性.

• 单位
  南京工程学院; 自动化学院