论文摘要
针对工业自动化场景中工件识别与检测精度不够高、特征提取困难、多工件定位困难等问题,提出一种基于卷积神经网络多特征融合的工件检测算法。工件检测算法是在一种单次目标检测器算法基础上,新增了特征融合结构,将图像深层信息与浅层信息融合而得以改进,由基础网络、自定义网络、特征融合结构和检测网络四部分构成。实验测试表明,对于200个不同工件组成的图像数据集检测的平均精度达99.2%,优于改进前的96.3%,单张图片检测时间为0.026s,基本符合工业自动化场景中的实时性要求。
论文目录
文章来源
类型: 期刊论文
作者: 蓝宏宇,姚锡凡,雷毅
关键词: 卷积神经网络,工件识别,工件检测,特征融合
来源: 组合机床与自动化加工技术 2019年08期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 机械工业,自动化技术
单位: 华南理工大学机械与汽车工程学院
基金: 国家自然科学基金资助项目(51675186,51175187),广东省科技计划项目(2017A030223002)
分类号: TP183;TH161
DOI: 10.13462/j.cnki.mmtamt.2019.08.013
页码: 44-48
总页数: 5
文件大小: 1198K
下载量: 218