为提高汽车工艺涂胶质量及机械臂作业效率,针对基于深度学习的双目视觉车顶焊缝涂胶机械臂系统,提出了一种SEmYOLOv5算法,在主干网络上增加SE(squeeze and excitation)注意力机制,同时在颈部网络上增加一组采样模块,提高焊缝的识别能力...为提高汽车工艺涂胶质量及机械臂作业效率,针对基于深度学习的双目视觉车顶焊缝涂胶机械臂系统,提出了一种SEmYOLOv5算法,在主干网络上增加SE(squeeze and excitation)注意力机制,同时在颈部网络上增加一组采样模块,提高焊缝的识别能力。对提取到的图像进行图像处理,使得更好的提取车顶焊缝的特征信息从而得到特征点坐标,采用B样条曲线法对机械臂进行轨迹规划。改进后的算法相较原YOLOv5算法的mAP值提升了6.76%,针对该系统进行实验并验证了提出的基于深度学习的双目视觉车顶焊缝涂胶机械臂系统的有效性。展开更多
文摘为提高汽车工艺涂胶质量及机械臂作业效率,针对基于深度学习的双目视觉车顶焊缝涂胶机械臂系统,提出了一种SEmYOLOv5算法,在主干网络上增加SE(squeeze and excitation)注意力机制,同时在颈部网络上增加一组采样模块,提高焊缝的识别能力。对提取到的图像进行图像处理,使得更好的提取车顶焊缝的特征信息从而得到特征点坐标,采用B样条曲线法对机械臂进行轨迹规划。改进后的算法相较原YOLOv5算法的mAP值提升了6.76%,针对该系统进行实验并验证了提出的基于深度学习的双目视觉车顶焊缝涂胶机械臂系统的有效性。