基于深度学习的工业分拣机器人快速视觉识别与定位算法

被引：57

作者：

伍锡如 ^{[1
,2
,3
]}

黄国明 ^{[1
,2
]}

孙立宁 ^{[3
]}

机构：

[1] 桂林电子科技大学电子工程与自动化学院

[2] 桂林电子科技大学广西自动检测重点实验室

[3] 苏州大学机电工程学院

来源：

机器人 | 2016年 / 38卷 / 06期

关键词：

深度学习; 卷积神经网络; 视觉识别; 定位算法; 工业分拣机器人;

D O I：

10.13973/j.cnki.robot.2016.0711

中图分类号：

TP242 [机器人]; TP391.41 [];

学科分类号：

1111 ; 080203 ;

摘要：

针对工业分拣机器人识别复杂工件慢、精确度低以及定位不准等问题,提出一种基于深度学习的快速识别定位算法.通过工业高精度相机获取目标图像信息,经过图像灰度化、图像滤波、Otsu二值化处理,再经边界像素检测算法定位并分割目标图像.运用已训练的深度卷积神经网络(CNN)对目标进行识别,得到目标所在的位置坐标以及所属类别,实现工业机器人分拣.实验测试中以纹路复杂的象棋为例进行定位识别,结果表明定位算法误差小于0.8 mm,最快识别速度达0.049秒/个,在实验环境中识别精度能保持在98%以上,表明算法具备良好的准确性和稳定性.

引用

页码：711 / 719

页数：9

共 20 条

[11] 基于机器视觉的Delta机器人分拣系统算法 [J].