-
题名基于深度学习的杂乱场景下零件实例分割
- 1
-
-
作者
王杨
李东年
陈成军
赵正旭
-
机构
青岛理工大学机械与汽车工程学院
-
出处
《组合机床与自动化加工技术》
北大核心
2021年第8期118-121,125,共5页
-
基金
国家自然科学基金(51705273)。
-
文摘
为了检测和分割箱盒内杂乱摆放的零件,同时针对卷积神经网络需要大量和高质量图像进行训练的问题,提出了一种基于零件合成训练集对Mask RCNN网络进行训练的方法。首先,利用三维仿真技术,通过OpenSceneGraph(OSG)和Bullet建立了杂乱场景零件训练集合成系统,生成大量的合成图像;其次,建立了三种不同的训练集,分别对Mask RCNN网络训练;最后,利用Kinect视觉传感器采集真实图像进行测试。实验证明,该方法的准确率为97%,可以对杂乱场景下的零件有效地进行检测和分割。
-
关键词
零件实例分割
合成图像
杂乱场景
三维仿真
-
Keywords
part instance segmentation
synthetic image
cluttered scene
3D simulation
-
分类号
TH16
[机械工程—机械制造及自动化]
TG506
[金属学及工艺—金属切削加工及机床]
-