基于卷积神经网络的微小零件识别技术研究

发布时间：2021-01-05 13:13

　　近年来,由于通过微装配得到的精密微小型机电产品具有结构紧凑、性能稳定、能耗低、抗干扰能力强等特点,在各个领域已得到广泛应用。本文针对自动微装配系统中的微小零件定位问题,基于卷积神经网络对微小零件识别技术进行了研究,以提高微装配过程中微小零件识别的准确度及效率。论文首先搭建了显微视觉采集系统,对微小零件识别前的图像预处理问题进行了研究,针对零件特征与图像背景对比度不强的问题,对图像进行了限制自适应直方图均衡化,针对相机传感器过热导致的噪声问题,对图像进行了高斯滤波。为了加快神经网络在训练过程中的收敛速度,对输入图像进行了归一化。其次,对基于卷积神经网络的微小零件识别相关技术进行了研究,针对零件在图像中占比较小这一特性,对网络的深浅层特征进行了融合,并在提取特征时采用了深度可分离卷积以保证模型识别效率。为了得到零件的角度信息,对区域提取网络（Region Proposal Network,RPN）进行了改进,采用了三种尺度、三种比例、六种角度的推荐框。在对感兴趣区域池化时,为了避免取整造成的误差,通过双线性插值计算亚像素位置的像素值。为了避免在对推荐框分类时相似零件之间的干扰,在训练时加入... 

【文章来源】：哈尔滨理工大学黑龙江省

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

自动对焦示意图

-7-(3)视觉图像处理模块将采集到的图片通过USB接口传输到该模块，并对图片进行相应的处理和分析，结合深度学习、机器学习、图像处理等算法获得微小零件的实际类别，并将微小零件和基板的类别信息传递到计算机控制系统中。(4)计算机控制模块通过RS232将图像处理模块获得的微小零件类别信息传输给步进电机控制器，控制器控制图像采集以及驱动执行机构完成对不同零件的操作。(5)执行机构模块该模块主要由平移台和微夹钳以及焦距调节机构，上料装置将零件传送到平移台，微夹钳以及焦距调节机构用于完成控制器传递过来的控制指令。视觉识别系统结构如图2-2所示。图2-2目标识别系统结构图Fig.2-2Structurediagramoftargetrecognitionsystem2.1.2识别系统工作流程在系统工作时，首先通过工业CCD摄像机和显微镜头得到待装配零件的原始图片。然后根据图片的清晰程度，调节实际图片与显微镜头的距离，使成

-8-像的效果最好，实现光学系统自动焦距对准。另外，在对图片中零件进行识别之前，要对图片进行去噪以及增强处理，避免一些不必要的外界干扰。接着，采用卷积神经网络对图像进行特征提取，然后通过特定的识别算法，得到零件在图片中相对位置以及零件与图片的相对角度信息，最后将零件的类别信息、位置信息以及角度信息反馈给计算机控制模块，图2-3为识别系统的工作流程图。图2-3目标识别系统工作流程图Fig.2-3Workflowoftargetrecognitionsystem2.2实验平台图2-4为微小零件识别实验平台，该实验平台主要由计算机、移动台、CCD相机、镜头以及光源组成。图2-4微小零件识别实验平台Fig.2-4Experimentplatformofmicropartsrecognition镜头的作用是将零件聚焦在CMOS传感器的靶面上，所以摄像头的选择直接影响到了采集图像的质量，间接的影响到后续图像识别的精确度。为了尽


本文编号：2958727