10.19927/j.cnki.syyt.2022.02.019
基于深度学习的无序件抓取实验系统开发
将深度学习、机器视觉与机器人相结合,构建了平面无序件抓取实验系统.通过在SSD网络引入内卷积、特征金字塔等提高目标检测算法的检测性能与效率,算法参数减少60%.构建基于VGG16主干网络的细长类标准件姿态预测算法以引导机械手抓取;采用STM32单片机控制龙门式机械手,根据算法检测结果实现机械手的抓取动作.该抓取实验系统以工业标准件抓取为应用背景,实现了10分类常见标准件的识别和抓取,算法实现均采用开源框架.该抓取实验系统将人工智能算法和工业机器人相结合,可用于生产实践和人工智能实验室的教学实验.
深度学习、目标检测、内卷积、机械手
41
TP391.0(计算技术、计算机技术)
2022-04-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
84-88,99