工厂物品自动分拣视觉算法研究
发布时间：2021-05-13 22:03
工厂物品本身种类繁多、材质不同、颜色多样以及和背景之间存在的空间位置关系,自动分拣任务复杂。工厂物品自动分拣装置主要包括视觉算法部分和动力学装置,本论文主要研究视觉算法部分。随着深度学习和计算机视觉技术的飞速发展,国内外企业、高校已经非常重视以机器视觉为基础的自动分拣技术,并且在工厂生产中得到了极大的应用。深度学习能有力的进行特征选择和表征,为计算机视觉、机器人、金融和医疗等方面带来了新的发展机遇。将深度学习应用到工厂自动化生产领域已成为人们相同的共识和挑战,也为其工作速度加快带来了新的动力。本文的主要研究内容如下:首先,介绍了深度学习的发展历史和特点,其通过构建深层模型和大量数据学习更有用的特征进而得到很高的分类或预测的准确性。重点阐述了卷积神经网络的发展、结构和性质,以及其在语义分割和二维和三维信息融合方面的应用。针对工厂物品自动分拣的问题,本文详细分析了主流语义分割网络和基于生成对抗网络的语义分割网络的优劣势,并最终以循环生成对抗网络为基础,设计了针对工厂物品的语义分割网络。针对数据信息提取,使用了成对数据以提高更多的语义分割信息,同时增加了特征提取网络增强网络的特征提取和学习能...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题背景及研究意义
1.2 工业自动分拣技术研究现状
1.2.1 国外自动分拣技术研究现状
1.2.2 国内自动分拣技术研究现状
1.2.3 深度学习研究现状
1.3 本文的工作与贡献
1.4 本文的组织与结构
第2章 二维和三维图像融合算法设计
2.1 算法概述
2.2 卷积神经网络原理
2.2.1 卷积神经网络的基本构造
2.2.2 卷积神经网络性质
2.2.3 卷积神经网络的训练
2.2.4 卷积神经网络应用
2.3 二维和三维图像融合技术
2.3.1 传统二维和三维图像融合算法
2.3.2 SPLATNet算法研究
2.3.3 Frustrum PointNet算法研究
2.3.4 DenseFusion算法研究
2.4 二维和三维图像融合算法设计
2.5 本章小结
第3章 图像语义分割算法设计
3.1 算法概述
3.2 图像语义分割原理
3.3 基于卷积神经网络的语义分割算法研究
3.3.1 全卷积神经网络语义分割算法
3.3.2 解码器-编码器语义分割算法
3.3.3 DeepLab语义分割算法
3.3.4 基于GAN的语义分割算法
3.3.5 对比与分析
3.4 语义分割网络结构设计
3.5 本章小结
第4章 针对工厂物品的自动分拣视觉算法研究
4.1 算法概述
4.2 样本集收集及预处理方法
4.2.1 样本集收集
4.2.2 样本集预处理方法
4.3 CycleGAN语义分割算法研究
4.3.1 改变数据形式
4.3.2 优化网络结构
4.3.3 优化损失函数
4.4 二维和三维图像融合算法研究
4.4.1 二维和三维图像融合网络
4.4.2 自动迭代微调预测结果
4.5 本章小结
第5章 实验结果与分析
5.1 实验环境与数据
5.1.1 实验环境
5.1.2 实验数据
5.2 结果评价指标
5.2.1 语义分割结果评价指标
5.2.2 二维和三维图像融合结果评价指标
5.3语义分割实验
5.3.1 训练细节
5.3.2 网络训练过程
5.3.3对比实验
5.3.4 网络训练结果与分析
5.4 二维和三维图像融合实验
5.4.1 训练细节
5.4.2 对比实验
5.4.3 网络训练结果与分析
5.5 本章小结
结论
参考文献
致谢
【参考文献】：
期刊论文
[1]安防监控系统技术的发展综述[J]. 周跃峰,郭杰荣. 湖南文理学院学报(自然科学版). 2014(02)
[2]高速机器人分拣系统机器视觉技术的研究[J]. 晏祖根,李明,徐克非,孙小华,闫志鹏,孙智慧. 包装与食品机械. 2014(01)
[3]零件图像识别特征的研究[J]. 张洛平,权欢欢,周英梅. 河南科技大学学报(自然科学版). 2008(06)
[4]工业机器人产业现状与发展[J]. 徐方. 机器人技术与应用. 2007(05)
[5]计算机视觉中摄像机定标综述[J]. 邱茂林,马颂德,李毅. 自动化学报. 2000(01)
博士论文
[1]面向建筑测绘的地面激光扫描模式识别方法研究[D]. 梁玉斌.武汉大学 2013
[2]基于飞秒光频梳的绝对距离测量技术研究[D]. 许艳.华中科技大学 2012
硕士论文
[1]我国人工智能概念股上市公司盈利能力及其影响因素分析[D]. 蔡新霞.广东外语外贸大学 2018
[2]基于机器视觉的工业机器人分拣系统的研究[D]. 杜荣.南京林业大学 2009
[3]基于SIFT和NDLT的目标识别技术研究[D]. 郭佳欣.中北大学 2009
[4]基于粒子滤波和卡尔曼滤波的复杂场景下视觉跟踪[D]. 徐林忠.浙江大学 2008
本文编号：3184782
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题背景及研究意义
1.2 工业自动分拣技术研究现状
1.2.1 国外自动分拣技术研究现状
1.2.2 国内自动分拣技术研究现状
1.2.3 深度学习研究现状
1.3 本文的工作与贡献
1.4 本文的组织与结构
第2章 二维和三维图像融合算法设计
2.1 算法概述
2.2 卷积神经网络原理
2.2.1 卷积神经网络的基本构造
2.2.2 卷积神经网络性质
2.2.3 卷积神经网络的训练
2.2.4 卷积神经网络应用
2.3 二维和三维图像融合技术
2.3.1 传统二维和三维图像融合算法
2.3.2 SPLATNet算法研究
2.3.3 Frustrum PointNet算法研究
2.3.4 DenseFusion算法研究
2.4 二维和三维图像融合算法设计
2.5 本章小结
第3章 图像语义分割算法设计
3.1 算法概述
3.2 图像语义分割原理
3.3 基于卷积神经网络的语义分割算法研究
3.3.1 全卷积神经网络语义分割算法
3.3.2 解码器-编码器语义分割算法
3.3.3 DeepLab语义分割算法
3.3.4 基于GAN的语义分割算法
3.3.5 对比与分析
3.4 语义分割网络结构设计
3.5 本章小结
第4章 针对工厂物品的自动分拣视觉算法研究
4.1 算法概述
4.2 样本集收集及预处理方法
4.2.1 样本集收集
4.2.2 样本集预处理方法
4.3 CycleGAN语义分割算法研究
4.3.1 改变数据形式
4.3.2 优化网络结构
4.3.3 优化损失函数
4.4 二维和三维图像融合算法研究
4.4.1 二维和三维图像融合网络
4.4.2 自动迭代微调预测结果
4.5 本章小结
第5章 实验结果与分析
5.1 实验环境与数据
5.1.1 实验环境
5.1.2 实验数据
5.2 结果评价指标
5.2.1 语义分割结果评价指标
5.2.2 二维和三维图像融合结果评价指标
5.3语义分割实验
5.3.1 训练细节
5.3.2 网络训练过程
5.3.3对比实验
5.3.4 网络训练结果与分析
5.4 二维和三维图像融合实验
5.4.1 训练细节
5.4.2 对比实验
5.4.3 网络训练结果与分析
5.5 本章小结
结论
参考文献
致谢
【参考文献】：
期刊论文
[1]安防监控系统技术的发展综述[J]. 周跃峰,郭杰荣. 湖南文理学院学报(自然科学版). 2014(02)
[2]高速机器人分拣系统机器视觉技术的研究[J]. 晏祖根,李明,徐克非,孙小华,闫志鹏,孙智慧. 包装与食品机械. 2014(01)
[3]零件图像识别特征的研究[J]. 张洛平,权欢欢,周英梅. 河南科技大学学报(自然科学版). 2008(06)
[4]工业机器人产业现状与发展[J]. 徐方. 机器人技术与应用. 2007(05)
[5]计算机视觉中摄像机定标综述[J]. 邱茂林,马颂德,李毅. 自动化学报. 2000(01)
博士论文
[1]面向建筑测绘的地面激光扫描模式识别方法研究[D]. 梁玉斌.武汉大学 2013
[2]基于飞秒光频梳的绝对距离测量技术研究[D]. 许艳.华中科技大学 2012
硕士论文
[1]我国人工智能概念股上市公司盈利能力及其影响因素分析[D]. 蔡新霞.广东外语外贸大学 2018
[2]基于机器视觉的工业机器人分拣系统的研究[D]. 杜荣.南京林业大学 2009
[3]基于SIFT和NDLT的目标识别技术研究[D]. 郭佳欣.中北大学 2009
[4]基于粒子滤波和卡尔曼滤波的复杂场景下视觉跟踪[D]. 徐林忠.浙江大学 2008
本文编号：3184782
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3184782.html
