基于Mask R-CNN实例分割的机械零件识别方法研究

作     者：臧春华 周介祺 刘桂雄 Zang Chunhua;Zhou Jieqi;Liu Guixiong

作者机构：广东省珠海市质量计量监督检测所珠海519060 华南理工大学机械与汽车工程学院广州510640 

基　　金：广东省市场管理监督局项目(2021CZ17) 广东省重点领域研发计划项目(2019B010154003)资助 

出 版 物：《电子测量技术》 (Electronic Measurement Technology)

年 卷 期：2021年第44卷第22期

页      码：32-36页

摘      要：零件识别是机械部件装配、装箱的重要基础,人工识别效率低,传统机器视觉检测要求高、场景单一。提出一种基于深度学习机器视觉的机械零件识别方法,通过加入PointRend模块提升原始Mask R-CNN实例分割模型的检测精度;针对相似度高零件设计类别细分方法,通过尺寸估算与特征匹配,较好地解决由于数据增强图像缩放造成的尺寸特征丢失问题。采集25种不同零件进行识别实验,结果表明,该方法可有效提升机械零件的识别准确率,算法对相似零件识别准确率达100%,较原始Mask R-CNN方法提升11.51%。并且该方法可推广到其他具有相似特征目标的识别任务中。

主 题 词：目标识别 实例分割 深度学习 特征匹配 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.19651/j.cnki.emt.2108409

馆 藏 号：203106984...