基于深度學(xué)習(xí)的工業(yè)分揀機(jī)器人快速視覺識別定位算法.pdf

1、深度學(xué)習(xí)（Deep Learning，DL）技術(shù)是近幾年迅速發(fā)展起來的人工智能算法，在大數(shù)據(jù)、圖像識別、圖像分割、語音識別等領(lǐng)域取得了矚目的成績。隨著工業(yè)生產(chǎn)自動化速度和精度需求不斷提高，傳統(tǒng)視覺算法往往無法滿足復(fù)雜紋路工件分揀作業(yè)。針對復(fù)雜工件的識別定位問題，結(jié)合圖像預(yù)處理算法，設(shè)計了基于深度學(xué)習(xí)的工業(yè)分揀機(jī)器人快速視覺識別定位算法。
　　本研究主要內(nèi)容包括：⑴介紹了相關(guān)理論基礎(chǔ)，包括FVR6-6423工業(yè)分揀機(jī)器人平臺的結(jié)構(gòu)設(shè)

2、計、功能，人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network, ANN）的概念、感知機(jī)以及ANN常用模型，深度學(xué)習(xí)常用模型以及優(yōu)化算法。⑵基于基礎(chǔ)圖像處理技術(shù)，提出了復(fù)雜光環(huán)境下工件圖像預(yù)處理算法。先經(jīng)加權(quán)灰度化的方法將彩色工件圖像轉(zhuǎn)換為灰度圖像，通過開操作獲得工件圖像背景圖，將原圖和背景圖做差消除光照不勻?qū)е碌年幱案蓴_，接著采用灰度拉伸提高圖像對比度，經(jīng)自適應(yīng)閾值分割得到理想二值圖像。⑶在圖像預(yù)處理技術(shù)基礎(chǔ)上，提出了基于

3、深度置信網(wǎng)絡(luò)（Deep Believe Network, DBN）和像素投影算法的復(fù)雜工件識別算法。將預(yù)處理圖像通過像素投影算法，獲得工件像素在橫軸和縱軸上的投影曲線，經(jīng)像素濾波及選取運(yùn)算，確定工件中心坐標(biāo)，并從原工件圖像中截取出僅包含工件部分的圖像，對該圖像做尺寸規(guī)范化處理后，轉(zhuǎn)換為一唯序列作為DBN輸入向量，經(jīng)過已訓(xùn)練DBN中的RBM逐層提取輸入圖像特征，并由DBN末端的BP神經(jīng)網(wǎng)絡(luò)分類識別工件類型以及工件偏角。通過實驗證明，該算法

4、能夠快速定位識別復(fù)雜工件，具有可行性。⑷基于深度卷積網(wǎng)絡(luò)（Deep Convolutional Neural Network, DCNN）和邊界像素檢測算法設(shè)計了另一種復(fù)雜工件識別算法。工件圖像經(jīng)過預(yù)處理后，通過邊界像素檢測算法檢測工件在圖像中的邊界像素，并獲得工件在圖像中的坐標(biāo)位置，接著分割出僅包含工件部分的圖像，將該圖像直接作為經(jīng)過訓(xùn)練 DCNN中，經(jīng)過多層卷積操作和池化操作對圖像高級特征提取，最后通過SoftMax分類器對工件類型