基于改进Mask R-CNN特征点精确提取技术研究与应用

针对大型零部件自动对接装配系统使用的传统特征提取算法泛化能力不足的问题,提出一种基于改进Mask R-CNN模型的深度学习特征提取算法。首先采集目标对象的图像数据并进行人工标注,采用数据增强策略扩充数据集;其次构建Mask R-CNN模型,基于迁移学习策略预训练模型,使用人工采集数据集训练模型;然后使用鲸鱼优化算法改进Mask R-CNN模型,优化超参数,进一步提升模型性能;最后对传统特征提取算法和基于Mask R-CNN模型的深度学习特征提取算法进行对比实验,验证了在自动对接装配系统中使用所提算法有更高的准确性和更强的泛化能力。