倉儲管理是動車高鐵裝配、檢修作業(yè)線上非常重要的環(huán)節(jié),在存取物料過程中快速獲取物料的編號、名稱等信息可以大大減少倉庫值守所需的人力與物力。大類物體識別與檢索主要是根據(jù)相機拍攝到的圖像得到零配件所屬的種類、編號等信息。本文通過分析實際應(yīng)用場景下的零配件特點,研究面向智能倉儲的大類物體識別與檢索方法,主要工作如下:針對動車檢修實際工業(yè)場景中,零配件種類較多,類內(nèi)差距大,同時存在同屬于某一大類別但是細節(jié)上存在差異的細粒度類別劃分情況。本文提出了基于多注意力融合的分級大類物體識別算法,該算法通過SE（Squeeze-and-Excitation）模塊的注意力機制對不同層次的特征進行融合,建立多層級結(jié)構(gòu)。首先將細粒度物體看作一個大類別,利用粗粒度識別網(wǎng)絡(luò)進行大類別識別,減少細粒度物體對識別精度的影響,然后通過注意力機制,分別針對每一個需要細分類的大類別計算出對其分類貢獻比較大的特征通道,并融合多個層級的特征作為細分類任務(wù)的基礎(chǔ),從而提高識別的準確度。本文通過實驗證明了該算法在本文構(gòu)建的零配件數(shù)據(jù)庫上可以得到較好的識別結(jié)果,識別準確率為97.84%,相比單級網(wǎng)絡(luò)提高6.68%。針對全局特征缺少幾何不... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：97 頁

【學(xué)位級別】：碩士

【部分圖文】：

傳統(tǒng)倉儲管理方法

電子科技大學(xué)碩士學(xué)位論文2理中也得到了廣泛的應(yīng)用。實踐證明，提高倉儲作業(yè)過程的信息化水平，通過信息化方法優(yōu)化管理流程，可以顯著提高管理效率，有效降低管理成本[2]，智能倉儲的概念便由此產(chǎn)生。其具體是指，將人工智能、物聯(lián)網(wǎng)等先進技術(shù)應(yīng)用于倉儲管理中，使人員管理，物資盤點、配送等過程更加系統(tǒng)，更加智能[3]。例如當前多數(shù)動車配件中心采用的如圖1-2所示的立體化倉庫，在物料的出入庫過程中加入自動化管理，解放了部分人力。近年來，越來越多的倉儲系統(tǒng)中采用RFID（RadioFrequencyIdentification）技術(shù)實現(xiàn)對倉儲信息的記錄及物資貨位的快速定位[1]。RFID電子標簽具有非接觸識別、讀取方便的特點，且相比于二維碼，其數(shù)據(jù)容量更大，使用壽命更長，并且最重要的是它可以重復(fù)使用[4]。但是在實際動車檢修應(yīng)用場景中，通常是檢修工人拆卸下舊零件后，需要領(lǐng)取新零件，由于零件種類眾多，往往不能明確地給出零件的名稱或者編號信息，RFID標簽又不適合應(yīng)用于每一個物料個體上，此時就需要根據(jù)人工經(jīng)驗進行物料的識別，或者通過查找實物進行比對，仍要耗費大量的人力物力。圖1-2立體化倉庫示意圖隨著視覺圖像處理能力的不斷提升，以及模式識別、人工智能、深度學(xué)習(xí)和大數(shù)據(jù)等技術(shù)的飛速發(fā)展，基于深度學(xué)習(xí)的物體識別與檢索逐漸成為計算機領(lǐng)域中的兩個研究熱點。物體識別，是指通過給定某未知物體的圖像信息，系統(tǒng)能自動識別出物體的類別名稱等信息。物體檢索，是指輸入待查詢物體的圖像或者某些標簽信息，系統(tǒng)自動通過匹配方法從數(shù)據(jù)庫中檢索出包含該物體的圖像。將物體識別或檢索應(yīng)用到智能倉儲的物料查找中，用戶只需要提供并輸入某個未知物料的圖像或特征信息，系統(tǒng)就會自動識別或檢索出相應(yīng)的物料類別型號等信息，從而得到物料?

第一章緒論3對實現(xiàn)倉儲管理的智能化和自動化具有非常重要的意義。而本文研究的智能倉儲環(huán)境下，物料種類比較多，多達成百上千種，因此本文主要研究類別量比較大的物體識別與檢索問題，簡稱大類物體識別與檢索。1.2國內(nèi)外研究現(xiàn)狀1.2.1大類物體識別方法研究現(xiàn)狀自計算機誕生起，人們就致力于研究能使計算機協(xié)助甚至取代人工完成一些日常工作的方法，物體識別就是其中一個熱門方向。近年來，隨著技術(shù)的發(fā)展、成本的降低，高性能計算機得到了譜及，人們的日常工作生活中，數(shù)字圖像隨處可見，如圖1-3所示，使得大類物體分類識別的研究也得到了越來越廣泛的關(guān)注。比如MarkEveringham等人組織的PASCALVOC計算機視覺競賽[5]以及Fei-FeiLi等人組織的ILSVRC競賽[6]，吸引了一批批來自學(xué)術(shù)界的學(xué)者和工業(yè)界的工程師投入到大類物體分類識別的研究中。圖1-3大類物體識別圖像示意圖[7]在計算機視覺任務(wù)中，基于圖像的物體分類識別發(fā)展較早，早期受到的關(guān)注最多，是其中最為基礎(chǔ)的一個分支，幾乎所有的模型都會在此任務(wù)上進行算法測試，用以評估模型性能，其數(shù)據(jù)集的規(guī)模也經(jīng)歷了一個從小到大的發(fā)展過程[7]。起初，常用的mnist[8]數(shù)據(jù)集是一個只有10分類的手寫數(shù)字灰度圖像集，之后出現(xiàn)了數(shù)據(jù)量更多一點的10分類的cifar10[9]數(shù)據(jù)集以及物體類別也更多的100分類的cifar100數(shù)據(jù)集，再后來ImageNet數(shù)據(jù)集成為了研究中心，其擁有超過2萬的物體類別以及超過1000萬張的圖像數(shù)據(jù)。而隨著研究的不斷加深，現(xiàn)在計算機在ImageNet這樣大規(guī)模的數(shù)據(jù)集上的識別準確率甚至可以超過人類水平[7]。物體識別歸根到底就是對物體圖像進行模式識別，其目標是根據(jù)物體圖像將不同的物體劃分到相應(yīng)的類別，使得識別的錯誤率最校從實際應(yīng)用場景中，所識別的物體之間相關(guān)

【參考文獻】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的零件識別與分揀系統(tǒng)[J]. 周玉強,陳國棟,盛小明.  煤礦機械. 2018(06)
[2]基于RFID技術(shù)的物流倉儲管理系統(tǒng)設(shè)計[J]. 邱忠賽,何濤,盛螢峰.  商場現(xiàn)代化. 2011(01)

博士論文
[1]基于深度學(xué)習(xí)表征的圖像檢索技術(shù)[D]. 孫韶言.中國科學(xué)技術(shù)大學(xué) 2017
[2]多特征融合圖像檢索方法及其應(yīng)用研究[D]. 劉爽.哈爾濱理工大學(xué) 2016
[3]大尺寸零件在線視覺測量關(guān)鍵技術(shù)研究[D]. 陳芳.東南大學(xué) 2015

碩士論文
[1]基于深度學(xué)習(xí)和稀疏表示的圖像分類與檢索方法研究[D]. 焦鵬飛.西安理工大學(xué) 2019
[2]基于寬度學(xué)習(xí)和深度集成的圖像分類[D]. 賈賀姿.西安電子科技大學(xué) 2019
[3]基于語義的交互式圖像檢索[D]. 趙恒川.電子科技大學(xué) 2019
[4]基于內(nèi)容的圖像檢索系統(tǒng)的設(shè)計與實現(xiàn)[D]. 趙津津.河北科技大學(xué) 2019
[5]基于物聯(lián)網(wǎng)技術(shù)的倉儲物資智能管理系統(tǒng)研究[D]. 張秋淼.華東交通大學(xué) 2018
[6]光纖傳像元件缺陷檢測技術(shù)的研究[D]. 張堃.中北大學(xué) 2018
[7]基于內(nèi)容的兩層商品圖像檢索系統(tǒng)的設(shè)計與實現(xiàn)[D]. 閆衍.河北大學(xué) 2018
[8]基于雙目視覺的智能汽車分布式SLAM技術(shù)研究[D]. 蔡育展.吉林大學(xué) 2018
[9]基于機器視覺的機械零件幾何外形檢測研究[D]. 豆永坤.蘭州理工大學(xué) 2018
[10]基于RealSense的散亂零件三維目標識別[D]. 龔學(xué)健.哈爾濱工業(yè)大學(xué) 2018



本文編號：3325927