基于改进Faster RCNN的工业机器人分拣系统

摘要：

传统的分拣作业无法伴随工作环境的变化进行相应的调整,针对此种不足,出现了基于机器视觉的分拣机器人的相关研究,通过将图像处理和特征工程技术引入视觉模块,使得分拣系统能适时的调整.不同于这些方法,本研究基于实验室的工业分拣系统,将深度学习方法应用其中.通过将Faster RCNN检测算法引入视觉模块并对区域提取网络RPN进行相关改进,加快Faster RCNN模型的检测过程,使得该系统满足工业的实时性要求.Faster RCNN作为一种端到端的方法,能自动对输入图像生成更具表达力的特征,对相应目标提取相应特征,这避免了人工设计特征,它的特征自动生成能力使其能适用于各种场景,这提升了工业分拣机器人的环境适应能力.

关键词：物体检测、FasterRCNN、区域提取网络、分拣系统

所属期刊栏目：28

资助基金：国家重大科技专项2017ZX04018001-003

在线出版日期：2019-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：258-263