基于迁移学习的机器人视觉识别与分拣策略

摘要：

针对传统工业机器人辨识复杂工件困难、识别度单一等问题,提出一种基于迁移学习的视觉识别与分拣策略.高精度工业相机拍摄到的图片经过HALCON软件图像膨胀、腐蚀等处理之后,导入Pytorch中的神经网络模型,利用迁移学习对目标进行识别分类,最终实现工业机器人智能分拣的目的.实验中,在UR5机器人平台上以形状多变的两种菇类为对象进行迁移学习,进而完成识别及分拣.实验结果表明该策略具备良好的准确性和稳定性.

关键词：迁移学习、视觉识别、图像处理、神经网络、分类

所属期刊栏目：55

分类号：TP242.2(自动化技术及设备)

资助基金：江苏省自然科学基金BK20151463;国家自然科学基金51505213,61104085;江苏省高校自然科学重大项目14KJA460003;江苏省产学研合作前瞻性项目BY2016008-07;南京工程学院自然科学基金CKJB201702,ZKJ201508

在线出版日期：2019-05-14（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：232-237