基于深度学习的工业机器人视觉特征提取技术研究

发布时间：2017-12-12 03:02

  本文关键词：基于深度学习的工业机器人视觉特征提取技术研究

  更多相关文章： 工业机器人 深度学习 卷积神经网络 LLENet 分类

【摘要】：在工业机器人实现的自动化分拣、搬运、检测系统中,物体识分类技术一直是研究的重点,它是解决工业机器人物体跟踪、行为分析、场景理解等其他任务的基础。应用较为广泛的分类方法是通过传统特征提取方法提取图像特征、用提取到的特征训练分类器,得到适用于当前场景的分类模型,而图像特征设计的好坏将直接影响分类准确率。卷积神经网络可以自动学习得到图像特征,避免手工设计特征的复杂过程,并且能够克服图像形变、遮挡、光照变化等影响,目前在图像分类领域中得到广泛关注。但在特征提取过程中,卷积神经网络需要调整大量参数,训练时间较长且容易过拟合。本文就工业机器人视域下的分类问题展开相关研究,具体如下:(1)收集资料,参阅文献,对工业机器人视域下的物体分拣、搬运、检测系统的视觉问题研究现状做出概述。然后,针对工业机器人视域下分类中的特征提取问题,对基本视觉特征提取和视觉特征表达的相关原理和算法做出综述。(2)介绍了神经网络的结构以及在分类任务中的优势,重点介绍了卷积神经网络的层级结构。(3)针对传统卷积神经网络参数量过大、训练时间长、需要特别的调参技巧等问题,提出了基于局部线性嵌入的深度学习框架(Locally Linear Embedding Network,以下简称 LLENet)。LLENet 不采用反向传播机制调整卷积核参数,而是从训练样本中通过局部线性嵌入算法提取卷积核,避免了传统卷积神经网络通过优化方法调节网络参数的复杂计算过程。与传统卷积神经网络类似,在提取到卷积核后,LLENet级联卷积层、下采样层、非线性层,最后将从训练样本中提取到的图像的特征用于训练支持向量机或K最近邻分类器,得到完整的图像分类模型。本文在MATLAB R2012a上进行了 LLENet分类模型的试验:首先,在从工业机器人视域下采集到的工件图片集WorkPiece和MNIST-1数据集上的试验结果表明,该模型比PCANet和KPCANet平均分类准确率高,其中一个卷积层的LLENet在上述两个数据集中的分类准确率均可以达到97%以上,远高于PCANet和KPCANet;然后,在Caffe框架下用WorkPiece数据集训练了基于LeNet-5的工业机器人视域下分类模型,验证集平均分类准确率超过95%;最后,模拟工业现场训练样本量不足时的分类场景,使用WorkPiece数据集的子集WorkPiece-1数据集在预训练好的LeNet-5分类模型中做微调(fine-tuning),验证集平均分类准确率达到93%以上。试验表明,本文提出的LLENet在分类准确率、算法复杂度等方面优于传统卷积神经网络模型,有利于提高工业机器人物体分类准确率;当训练样本数量不足时,通过微调预训练好的LeNet-5也能够得到较高的分类准确率,适用于工业机器人视域下的分类问题。
【学位授予单位】：安徽工程大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41;TP242.2

【相似文献】

中国期刊全文数据库 前10条

1 杨晓帅 ,付玫;神经网络技术让管理更轻松[J];软件世界;2000年11期

2 云中客;新的神经网络来自于仿生学[J];物理;2001年10期

3 唐春明,高协平;进化神经网络的研究进展[J];系统工程与电子技术;2001年10期

4 李智;一种基于神经网络的煤炭调运优化方法[J];长沙铁道学院学报;2003年02期

5 程科,王士同,杨静宇;新型模糊形态神经网络及其应用研究[J];计算机工程与应用;2004年21期

6 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

7 周丽晖;从统计角度看神经网络[J];统计教育;2005年06期

8 赵奇 ,刘开第 ,庞彦军;灰色补偿神经网络及其应用研究[J];微计算机信息;2005年14期

9 袁婷;;神经网络在股票市场预测中的应用[J];软件导刊;2006年05期

10 尚晋;杨有;;从神经网络的过去谈科学发展观[J];重庆三峡学院学报;2006年03期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

，

本文编号：1280895