基于R2UNet和空洞卷积的羊后腿分割目标肌肉区识别

针对前处理工序造成的羊肉智能精细分割目标肌肉区图像识别准确度低的问题,以羊后腿自动去骨分割工序为研究对象,提出一种基于R2UNet和紧凑空洞卷积的羊后腿分割目标肌肉区识别方法。对传统的UNet语义分割网络进行改进,以UNet为骨架网络,采用残差循环卷积块替换原始UNet的特征编码模块和解码模块中的卷积块以避免UNet的梯度消失,在特征编码模块和特征解码模块之间增加一个紧凑的四分支空洞卷积模块对语义特征进行多尺度编码,实现缝匠肌图像分割模型的构建。一方面,针对缝匠肌这一核心目标肌肉区,采集羊后腿图像构建数据集训练与测试本文模型,以验证该方法的准确性与实时性;另一方面,通过旋量法标定夹爪坐标系、相机点云坐标系、机器人坐标系的齐次变换矩阵以计算分割路径,并采用主动柔顺的力/位混合控制方法操纵分割机器人进行目标切削运动,验证基于本文方法得到的目标图像开展目标肌肉分割的可行性。相关试验结果表明:当交并比为0.8588时,本文方法平均精确度为0.9820,优于R2UNet的(0.8324,0.9775);单样本检测时间平均为82 ms,说明本文方法可快速、准确分割出缝匠肌图像,满足机器人自主分割系统的实时性要求,优于UNet、R2UNet、AttUNet算法。最后,在本文方法得到的缝匠肌图像基础上开展机器人实机分割试验,机器人对5条羊后腿的平均切削时间为7.9 s,平均偏移距离为4.36 mm,最大偏移距离不大于5.9 mm,满足羊后腿去骨分割的精度要求。