面向工业零件分拣系统的低纹理目标检测
目的 随着工业领域智能分拣业务的兴起,目标检测引起越来越多的关注.然而为了适应工业现场快速部署和应用的需求,算法只能在获得少量目标样本的情况下调整参数;另外工控机运算资源有限,工业零件表面光滑、缺乏显著的纹理信息,都不利于基于深度学习的目标检测方法.目前普遍认为Line2D可以很好地用于小样本情况的低纹理目标快速匹配,但Line2D不能正确匹配形状相同而颜色不同的两个零件.对此,提出一种更为鲁棒的低纹理目标快速匹配框架CL2D(color Line2D).方法 首先使用梯度方向特征作为物体形状的描述在输入图像快速匹配,获取粗匹配结果;然后通过非极大值抑制和颜色直方图比对完成精细匹配.最后根据工业分拣的特点,由坐标变换完成对目标的抓取点定位.结果 为了对算法性能进行测试,本文根据工业分拣的实际环境,提出了YNU-BBD 2020(YNU-building blocks datasets 2020)数据集.在YNU-BBD 2020数据集上的测试结果表明,CL2D可以在CPU平台上以平均2.15 s/幅的速度处理高分辨率图像,在精度上相比于经典算法和深度学习算法,mAP(mean average precision)分别提升了10%和7%.结论 本文针对工业零件分拣系统的特点,提出了一种快速低纹理目标检测方法,能够在CPU平台上高效完成目标检测任务,并且相较于现有方法具有显著优势.
模板匹配、低纹理目标检测、颜色直方图、智能制造、随机分拣
27
TP391.4(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;国家自然科学基金;云南省重大科技专项计划项目;云南省重大科技专项计划项目
2022-08-12(万方平台首次上网日期,不代表论文的发表时间)
共12页
2418-2429