文献类型：期刊文章

作　　者：伍锡如[1,2,3] 黄国明[1,2] 孙立宁[3]

机构地区：[1]桂林电子科技大学电子工程与自动化学院,广西桂林541004 [2]桂林电子科技大学广西自动检测重点实验室,广西桂林541004 [3]苏州大学机电工程学院,江苏苏州215006

出　　处：《机器人》

基　　金：国家自然科学基金(61603107);广西自然科学基金(2015GXNSFAA139297;2016GXNSFDA380001);广西自动检测技术与仪器重点实验室基金(YQ16108);智能综合自动化高校重点实验室基金(2016);桂林电子科技大学研究生教育创新计划(2016YJCX04)

年　　份：2016

卷　　号：38

期　　号：6

起止页码：711-719

语　　种：中文

收录情况：BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI(收录号：20165203194708)、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

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.

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  

分 类 号：TP242]