基于深度學(xué)習(xí)模型的零件分類與抓取研究.pdf

1、工業(yè)機(jī)器人處理商品或者零件分揀時(shí)，通常需要人工設(shè)置工作環(huán)境，實(shí)現(xiàn)相應(yīng)零件的分揀動(dòng)作。在計(jì)算機(jī)技術(shù)快速發(fā)展的今天，實(shí)現(xiàn)機(jī)器人自動(dòng)分揀零件的基礎(chǔ)已經(jīng)成熟。通過使用機(jī)器學(xué)習(xí)，結(jié)合大規(guī)模的訓(xùn)練，使機(jī)械手自動(dòng)抓取相應(yīng)的零件，最終實(shí)現(xiàn)完整的自動(dòng)化生產(chǎn)過程。機(jī)器人自動(dòng)分揀零件的過程中需要解決兩個(gè)問題，可概括為“識(shí)別”問題和“撿起”問題。近年來，將深度學(xué)習(xí)用于圖像識(shí)別是一種新的發(fā)展趨勢(shì)。在這方面有非常好的應(yīng)用實(shí)例，也具有寬廣的研究空間。在處理現(xiàn)實(shí)環(huán)境與

2、機(jī)器人的交互問題時(shí)，近年來流行的做法是采用計(jì)算機(jī)視覺的手段。深度學(xué)習(xí)是一種特征學(xué)習(xí)方法，通過簡(jiǎn)單但非線性的模型將原始數(shù)據(jù)轉(zhuǎn)換為更高級(jí)，更抽象的表達(dá)。通過足夠多的轉(zhuǎn)換和組合的方式，甚至可以學(xué)習(xí)到非常復(fù)雜的非線性函數(shù)。而且這種學(xué)習(xí)方式是不需要人工參與設(shè)計(jì)，學(xué)習(xí)過程是數(shù)據(jù)推動(dòng)型的。受益于可用計(jì)算能力和數(shù)據(jù)量的增加，在不久的將來，深度學(xué)習(xí)方法的應(yīng)用環(huán)境將更加成熟。
　　本文研究了一些深度學(xué)習(xí)模型，發(fā)現(xiàn)深度學(xué)習(xí)模型可以很好地提取數(shù)據(jù)的語義。

3、對(duì)于建立在大數(shù)據(jù)基礎(chǔ)上的工業(yè)標(biāo)準(zhǔn)，深度學(xué)習(xí)可以充分利用并發(fā)揮數(shù)據(jù)的特性。因此本文著重研究了深度學(xué)習(xí)模型在樣本特征提取過程的工作。
　　主要研究工作如下：
　?。?）利用深度學(xué)習(xí)模型的特征學(xué)習(xí)能力，提取零件圖片的語義信息，通過無監(jiān)督的方式從圖片中學(xué)習(xí)到有效的特征描述。設(shè)計(jì)了一種深層次的神經(jīng)網(wǎng)絡(luò)模型，利用實(shí)際收集到的零件圖片數(shù)據(jù)對(duì)模型效率進(jìn)行評(píng)估。
　　（2）使用了卷積網(wǎng)絡(luò)結(jié)合限制性玻爾茲曼機(jī)的方式改進(jìn)了卷積深度置信網(wǎng)絡(luò)，