基于深度学习与机器视觉的零件检测系统的研究与实现

发布时间：2022-08-23 12:00

　　当前,随着计算机视觉技术的不断进步,无人驾驶、行为识别、智慧城市、智能生产等相关技术的研究和应用已经广泛开展,并取得丰富的成果。目标检测是这些应用的关键技术,充分利用该技术的优势可以有效减少对人力的消耗,具有重要的现实和经济意义。现在绝大多数的机械工厂在零件的分拣过程中依然依赖人工分拣,效率相对较低,生产车间的工人在对一些形状大小相似零件的判别上容易出错,如何通过有效的可区分数据,例如轮廓,关键点,尺寸等,完成零件在工盘上的自动识别,是提高识别作业效率的一个难点。完全依赖人工识别,主观性强且工作量大,而且对于工人的技能熟练度有较高要求,新员工在工作初期很容易产生误检,所以设计一款可以辅助工人识别工件,并对一些难以区分的工件给出相似度评价以及尺寸信息的系统是具有实际意义的。经过实地调研当地的零件生产加工企业,在详细分析实际需求后,本文研究并实现了一种基于深度学习与机器视觉算法相结合系统,提出使用基于深度学习的目标检测方法,针对工业零件的数据特性,通过调整现有的Mask-RCNN网络结构,提高了目标识别的准确率,并提出使用mask分支的输出信息进行信息提取与加工,结合多种边缘检测算法最终测... 

【文章页数】：52 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 本文研究内容
    1.4 论文组织结构
第二章 深度学习相关工作和技术
    2.1 引言
    2.2 深度学习算法概述
        2.2.1 深度前馈网络
        2.2.2 卷积神经网络
        2.2.3 卷积神经网络特征图可视化
    2.3 基于深度学习的目标检测方法
        2.3.1 不同目标检测任务的特点和结构
        2.3.2 实例分割的基本原理
    2.4 本章小结
第三章 实例分割算法与尺寸测量算法的设计
    3.1 引言
    3.2 数据获取与分析
    3.3 实例分割算法框架
        3.3.1 算法思想
        3.3.2 特征提取模块
        3.3.3 区域候选网络模块RPN
        3.3.4 区域特征聚集方式
        3.3.5 目标检测网络构成
    3.4 基于机器视觉的尺寸测量算法
    3.5 实验设置和结果分析
        3.5.1 模型训练和各种参数设置
        3.5.2 实验结果与分析
    3.6 本章小结
第四章 系统设计与实现
    4.1 引言
    4.2 需求分析
    4.3 软硬件环境
    4.4 系统框架结构
    4.5 数据库设计
    4.6 系统详细设计与实现
        4.6.1 系统界面设计
        4.6.2 系统测试
        4.6.3 功能测试
    4.7 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
个人简介



本文编号：3677727