10.3969/j.issn.1000-1220.2020.04.007
深度学习技术在工件自动检测中的应用
本文针对实际生产中需要对工件进行自动检测,获取工件质心的问题,采用了边缘检测技术以及最小外接矩形算法对工件定位的方式,采用了BP神经网络完成相机标定.针对基于RCF的边缘检测技术生成边缘粗糙的问题,提出了一种RCF (Richer Convolutional Features for Edge Detection)模型的优化方法,将每个阶段用于提升特征图分辨率的反卷积操作替换成可以生成更精细边缘、时间复杂度更低的亚像素卷积.针对相机标定过程中存在的诸多需要用复杂数学模型表达的非线性畸变,提出了一个BP神经网络来拟合复杂非线性映射,实现二维像素坐标到三维机器人基坐标系下坐标的映射,实验结果表明,误差可以控制在0. 5mm之内,可以满足实际应用的需要.
工件定位、边缘检测、RCF、亚像素卷积、相机标定、BP神经网络
41
TP391(计算技术、计算机技术)
辽宁省"兴辽英才计划"项目XLYC1807195
2020-04-21(万方平台首次上网日期,不代表论文的发表时间)
共5页
710-714