隨著人工智能、大數(shù)據(jù)、工業(yè)互聯(lián)網(wǎng)等技術(shù)的興起,世界制造正朝著智能化、互聯(lián)網(wǎng)化、自動化方向發(fā)展,我國制造業(yè)也正處于智能化轉(zhuǎn)型的關(guān)鍵時期。我國提出“中國制造2025”,要求以智能制造為核心主導(dǎo)第四次工業(yè)革命,開發(fā)智能的裝備和產(chǎn)品,使得生產(chǎn)制造過程中的抓取、裝配、檢測等關(guān)鍵工序能夠智能化,關(guān)鍵崗位能夠由機(jī)器人替代。機(jī)器視覺識別定位技術(shù)在智能制造中的規(guī)則工件抓取、檢測等環(huán)節(jié)發(fā)揮了很大作用,而往往工業(yè)生產(chǎn)中會出現(xiàn)尺寸形狀變化、擺放隨機(jī)且相互遮擋的工件,這時傳統(tǒng)機(jī)器視覺識別定位技術(shù)已無法滿足要求,而新興的深度學(xué)習(xí)技術(shù)適用于此類尺度形狀變化的復(fù)雜目標(biāo)檢測,具有很高的研究價值和工程應(yīng)用價值。本文依托于國家重點研發(fā)計劃(中式菜肴智能化烹飪技術(shù)與裝備研發(fā),課題編號:2018YFD0400803),以油炸雞腿雞翅為例,旨在通過深度學(xué)習(xí)方法來解決類似存在尺度形狀變化、表面紋理不規(guī)則、擺放隨機(jī)、相互存在遮擋的復(fù)雜機(jī)器視覺目標(biāo)識別與定位困難問題。從視覺平臺搭建到圖像采集,從圖像預(yù)處理到主流算法研究,從算法改進(jìn)到系統(tǒng)軟件實現(xiàn),本文對油炸雞腿、雞翅的識別定位技術(shù)進(jìn)行了深入研究。本文完成的工作及創(chuàng)新點如下:(1)構(gòu)建了...

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 機(jī)器視覺識別與定位技術(shù)研究現(xiàn)狀
        1.2.2 基于深度學(xué)習(xí)的識別與定位技術(shù)研究現(xiàn)狀
    1.3 課題存在的難點和挑戰(zhàn)
    1.4 論文組織結(jié)構(gòu)安排
第二章 視覺實驗臺構(gòu)建與數(shù)據(jù)集準(zhǔn)備
    2.1 視覺實驗臺總體要求
    2.2 主要部件選型與搭建
        2.2.1 光照系統(tǒng)選型
        2.2.2 成像相機(jī)選型
        2.2.3 實驗臺選型與搭建
    2.3 圖像采集與預(yù)處理
        2.3.1 油炸雞腿雞翅圖像采集要求
        2.3.2 圖像標(biāo)注
        2.3.3 數(shù)據(jù)集制作
        2.3.4 數(shù)據(jù)清洗
        2.3.5 數(shù)據(jù)擴(kuò)增
    2.4 本章小結(jié)
第三章 基于深度學(xué)習(xí)的識別定位算法研究
    3.1 深度學(xué)習(xí)概述
    3.2 相關(guān)基礎(chǔ)理論
        3.2.1 卷積層
        3.2.2 激活函數(shù)和下采樣層
        3.2.3 全連接層和Softmax層
        3.2.4 誤差反向傳播算法
    3.3 基于SSD的油炸雞腿雞翅識別定位算法研究
        3.3.1 SSD油炸雞腿雞翅識別定位框架
        3.3.2 SSD模型結(jié)構(gòu)
        3.3.3 損失函數(shù)
    3.4 基于Faster R-CNN的油炸雞腿雞翅識別定位算法研究
        3.4.1 Faster R-CNN油炸雞腿雞翅識別定位框架
        3.4.2 RPN模型結(jié)構(gòu)
        3.4.3 損失函數(shù)
    3.5算法對比實驗
        3.5.1 實驗配置
        3.5.2 評估指標(biāo)
        3.5.3 實驗結(jié)果對比分析
    3.6 本章小結(jié)
第四章 基于改進(jìn)SSD網(wǎng)絡(luò)的識別定位算法研究
    4.1 主干特征網(wǎng)絡(luò)改進(jìn)
        4.1.1 VGG網(wǎng)絡(luò)架構(gòu)
        4.1.2 引入深度可分離卷積
    4.2 基于聚類算法的Anchor設(shè)計
        4.2.1 Anchor的設(shè)計缺陷
        4.2.2 基于K-means的錨框聚類
    4.3 多級特征融合的網(wǎng)絡(luò)改進(jìn)
        4.3.1 多尺度策略
        4.3.2 引入多級特征融合
    4.4 實驗結(jié)果對比分析
        4.4.1 實驗配置
        4.4.2 訓(xùn)練過程
        4.4.3 結(jié)果對比分析
        4.4.4 實驗結(jié)果展示
    4.5 本章小結(jié)
第五章 識別定位系統(tǒng)的設(shè)計與實現(xiàn)
    5.1 系統(tǒng)總體需求分析
    5.2 系統(tǒng)設(shè)計
    5.3 系統(tǒng)結(jié)果展示
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 工作展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間承擔(dān)的科研情況及主要成果



本文編號：3930485