【摘 要】
：
目标定位是机器视觉领域的基础问题和研究重点之一,其在工件加工、机器人等领域有着广泛的应用。但目前目标的视觉定位方法在速度、精度、鲁棒性和可靠性方面都有很大的提升空间,通过改进目标定位算法可以提升工件加工、机器人等领域的自动化制造水平和精密制造水平。本文通过二阶段卷积神经网络对目标定位算法进行优化改进,并在基于机器视觉的精密光学透镜自动摆盘设备上进行目标工件定位实验。主要内容包括以下几点:（1）基于
论文部分内容阅读
目标定位是机器视觉领域的基础问题和研究重点之一,其在工件加工、机器人等领域有着广泛的应用。但目前目标的视觉定位方法在速度、精度、鲁棒性和可靠性方面都有很大的提升空间,通过改进目标定位算法可以提升工件加工、机器人等领域的自动化制造水平和精密制造水平。本文通过二阶段卷积神经网络对目标定位算法进行优化改进,并在基于机器视觉的精密光学透镜自动摆盘设备上进行目标工件定位实验。主要内容包括以下几点:（1）基于目标定位技术的研究进展,对目前存在的速度、精度、鲁棒性和可靠性问题进行分析。针对当下视觉定位技术的痛点,构建了两个模板匹配数据集用于评估以模板匹配为代表的目标定位算法。（2）研究模板匹配方法速度和鲁棒性的影响因素,并针对性地提出了改进方案。首先通过一种二阶段变步长搜索策略对模板匹配进行加速,而后基于卷积神经网络分类模型,搭建一套在线模板匹配方案,通过自适应选择模板克服光照等环境变化的影响,以此改进模板匹配的鲁棒性。（3）研究基于卷积神经网络的模板匹配算法性能,实验证明卷积神经网络强大的特征提取能力提高了模板匹配的精度。而后讨论了基于卷积神经网络的模板匹配算法的可靠性问题,并通过一种基于特征点校验的方法,以改善基于卷积神经网络的模板匹配算法的可靠性。（4）提出一种基于卷积神经网络的二阶段实例检测方法,借此同时改善目标定位的速度、精度、可靠性和鲁棒性问题。通过实验验证了基于卷积神经网络的二阶段实例检测方法具有优越的速度和鲁棒性,并且该方法提出了一种新的目标定位框回归方法和区域重定位策略,用于提高算法的定位精度,而后通过一种组合式筛选验证策略提升了算法的可靠性。（5）基于精密光学透镜自动摆盘设备,测试各类目标定位算法的实用性,设计出最符合该设备需求的目标定位算法,搭建了目标工件定位的软件平台和硬件平台。
其他文献
活塞是内燃机中实现功能转换的重要部件,活塞的性能直接决定内燃机的性能。目前的内燃机新技术追求低排放和高功率,活塞要承受高温环境的热载荷以及高压的机械载荷,这对活塞的强度和耐热性能提出了挑战。在活塞顶部喷涂热障涂层,已成为降低活塞基体温度和散热量的有效方案。本文从铸铝合金活塞模型出发,对不同基体材料和带热障涂层模型进行仿真对比分析。针对现有热障涂层模型进行优化设计研究,并对涂层优化后模型进行评价,最
在新药创制过程中,对天然产物的修饰与改造一直是热点领域,也是比较有效的途径;左旋香芹酮,是一种重要的天然化合物,是留兰香精油的成分之一,具有驱虫、杀螨、抑菌等良好的生物活性,本研究拟用左旋香芹酮作为先导化合物,通过对左旋香芹酮的羰基进行改造,以获得具有更好抗菌活性的药物。此外,据研究显示左旋香芹酮能够激活无脊椎动物体内的酪胺受体,是研发新型杀虫杀菌剂的重要的潜在先导化合物,本研究对合成化合物的杀虫
化学计量学中的二阶校正算法可以在有未知干扰的情况下,对感兴趣组分进行定量分析。二阶校正广泛应用于在环境、医药和食品等领域,并在传统化学检测的基础上提高了其检测的效率和准确率。二阶校正算法通过进行优化并衍生出许多针对不同问题的新算法,例如当色谱数据中出现较为严重的时间漂移和基线漂移情况时,则可以使用能容忍非线性问题的算法;当分析物的光谱轮廓十分相似时,则使用可以处理严重共线性问题的算法。另外模式识别
近些年,我国经济发展迅猛,国民的可支配收入也随之提高,后疫情时代的国民保障意识也在不断增强,故人们对于保障的需求也更加多元化,但我国社会保障体系尚未完善,覆盖能力有限,保障深度也不够。我国老龄化加剧,重疾呈年轻化趋势,故亟须一种有效的解决方法来转移或者对冲长寿风险和重疾风险。作为保险保障需求快速扩张和移动互联网高速发展时代下的产物,网络互助进入门槛低,具有普惠性,但网络互助平台发展过程中产品存在同
实际工程问题中广泛存在着与材料特性、几何尺寸、外部载荷和计算模型等因素相关的不确定性。多种不确定性因素的耦合可能导致结构或产品的工作性能波动甚至失效。基于可靠性的设计优化（Reliability-based design optimization,RBDO）在优化模型中采用可靠性约束来度量不确定性的影响,可以获得满足目标可靠度要求的最优设计方案。传统的RBDO方法采用嵌套结构求解,计算成本高昂。虽
在大数据时代,每时每刻产生的大量图片、视频等信息,极大地增加了本地存储的开销。因此通过数据外包的形式将此类多媒体信息存储在云端能够缓解本地存储的压力,这也是当前云存储的主要业务之一。然而,将数据存储在不受控制的云平台存在信息泄漏、黑客攻击等安全隐患。为保护数据的安全性,通常采用数据加密、完整性验证等方法。但是,现有针对加密数据的检索的方法普遍存在检索精度低、速度慢、抵抗统计攻击弱等问题,因此,本文
推荐系统引导用户从种类繁杂、数量众多的产品中发现感兴趣的候选项,在缓解用户选择困难的同时提高了平台的点击率和交易率。然而,大多数推荐方法以准确性为唯一优化目标,造成了信息茧房、长尾效应等问题。这推动了惊喜度推荐的出现——致力于提供能够引起用户兴趣但又处于其发现能力之外的产品。已有的惊喜度推荐方法主要存在三个问题:定义缺乏客观性、无关推荐问题和缺乏可解释性。针对以上问题,本文提出了可解释的弹性惊喜度
计算机视觉是机器模仿人类的眼睛去理解和获取图像中丰富的信息从而感知外在的世界的一个重要的方式。其中,目标物检测和图像的语义分割是计算机视觉中最重要的两个问题。由于近年来随着深度学习尤其是卷积神经网络（CNN）的发展,为解决这两个问题带来了便利。已有的CNN方法在图片分类,目标检测和语义分割等多项任务上取得了优越的性能,然而在针对某些特定的场合下的工程化应用中这些基于CNN的方法还存在改善的空间。例
自工业革命开始到现在,化石能源是社会发展、前进的动力源泉。随着化石能源的不断开采和使用,化石能源面临枯竭,环境问题也日益严重。开发清洁能源替代化石能源,改变现有的能源结构已经成为世界各国的首要任务。清洁能源当中风力发电是发展最成熟、运行成本最低、最具有商业应用价值的发电方式之一。在近几年来,海上风力发电以其巨大的潜能颇受世界各国青睐。许多国家开始在海上风力发电进行开发和布局。海上风电场通常是通过高
不确定性广泛存在于实际工程中,对结构的功能有着难以忽视的影响,因而在安全评估及优化设计中应对其充分考虑。结构可靠性分析能够在考虑不确定性的基础上量化结构的可靠程度,为产品的安全设计提供基础。在结构可靠性分析发展初期,人们主要关注时不变随机因素影响下的可靠性评估问题,忽略了动态不确定性的影响。然而在工程问题中,结构参数或载荷的不确定性往往呈现随时间变化的特性,传统处理时不变问题的可靠性分析方法难以适