基于深度学习框架的装配机器人零件实时检测方法

作     者：余永维 彭西 杜柳青 陈天皓 YU Yongwei;PENG Xi;DU Liuqing;CHEN Tianhao

作者机构：重庆理工大学机械工程学院重庆400054 

基　　金：重庆市基础与前沿研究计划基金项目(cstc2017jcyjAX0344) 国家自然科学基金项目(51775074) 

出 版 物：《兵工学报》 (Acta Armamentarii)

年 卷 期：2020年第41卷第10期

页      码：2122-2130页

摘      要：针对工业生产线上装配机器人在粘连、堆叠、光照变化及环境因素干扰等复杂条件下零件检测率低、鲁棒性差等问题,提出一种基于改进YOLOv3深度学习框架的零件实时检测方法。在基础特征提取网络Darknet-53的每个残差网络后嵌入CFE模块,构建融合CFE模块和Darknet-53的深度特征提取网络CFE-Darknet53,建立YOLOv3深度学习框架下基于CFE-Darknet53的零件实时检测模型,提升检测网络在复杂环境下特征提取能力;设计一种改进K-means算法来预测边界框,通过对零件数据集进行聚类分析,选取最优的锚框个数和尺寸,进一步提高检测准确性。实验结果表明:在复杂条件下,改进算法对相似度很高的多类零件检测准确率能达到91.6%以上,相比YOLOv3算法提升了近10%以上;检测时间为43 ms,在视频传输帧率(24帧/s)下实现了零件实时准确检测。

主 题 词：机器人 深度学习 实时检测 特征提取 聚类分析 

学科分类：08[工学] 0802[工学-机械学] 080201[080201] 

核心收录：

D　O　I：10.3969/j.issn.1000-1093.2020.10.022

馆 藏 号：203992821...