基于深度学习的双目视觉汽车压盘装配生产线研究

摘要：

汽车工业自动化程度的提高致使越来越多的智能化设备代替人力资源,其自动化生产线中采用工业机器人视觉检测代替人工检测已经成为一个趋势,大大降低了人工劳动力的成本,但也存在分辩能力较差,缺乏适应性和智能化等问题.为了解决这一难题,提出了一种改进型深度学习算法用于工业机器人汽车压盘装配生产线工件的检测.算法研究将汽车压盘分解为4个单个工件,采用双目视觉技术提取采集立体图像,运用ReliefF算法提取工件的最优缺陷特征,运用"缩小型"CNN深度学习算法进行立体图像匹配.通过在不同环境下进行了多次实验,表明该算法可以对不同种类、材料的工件表面不同等级的缺陷进行精确、实时的深度学习并实现检测.

关键词：特征、工件缺陷、深度学习、分类、识别

所属期刊栏目：18

分类号：TP23(自动化技术及设备)

资助基金：2019年唐山市科学技术研究;发展计划〈第七批〉项目"基于深度学习的双目视觉汽车压盘装配生产线的研究";主持人高丹;2020年唐山市应用基础研究计划项目"基于深度强化学习的变电站巡检机器人的路径规划研究";主持人张晶

在线出版日期：2021-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：3-6