【摘 要】
：
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
【基金项目】
：
国家自然科学基金(51705273)。
论文部分内容阅读
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。
其他文献
针对工业环境中零件识别效率低,准确率不高以及难以获取大量训练集的问题,对基于深度学习的零件识别进行了研究,提出一种基于卷积神经网络与虚拟训练集的零件识别方法。首先,通过OpenSceneGraph(OSG)在虚拟场景内渲染大量深度图像训练集;然后,构建了两种不同深度与结构的卷积神经网络模型并使用虚拟深度图像进行训练;最后,使用深度相机采集零件真实深度图像对网络模型进行测试并选择适合的零件分类模型。
为了测量滚动直线导轨副的运动精度,基于接触式测量原理,设计试验台机械结构,并完成运动、气压监控系统、数据监控采集系统和测控软件,以此来获取导轨副运动过程中滑块相对于导轨基准的位移变动量。经过计算得到导轨副的顶面平行度、侧面平行度、绝对高度、滚转角、偏摆角、俯仰角。最后,利用试验台对国产35型号2级精度导轨副进行测量,结果表明,平行度和绝对高度指标满足2级精度要求,且角度指标重复性最大为0.943,
针对轴承故障信号在早期由于能量小容易受到噪声影响而被淹没的问题,提出了一种奇异谱分解(SSD)和独立分量分析(ICA)的滚动轴承故障诊断方法。首先,通过SSD对原始故障信号分解,得到一系列不同频段的奇异谱分量(SSC);其次,利用SSC分量构造观测信号和虚拟噪声信号,将观测信号与虚拟噪声信号组成观测矩阵;然后通过ICA对观测信号降噪;构造虚拟噪声通道信号;最后,将分离出来的独立分量进行Hilbert解调,对解调后的信号做FFT运算,并识别故障类别。通过仿真和实验表明了所述方法能够满足对滚动轴承振动信号降噪
针对某型缸盖凸轮轴轴承盖非连续安装面整体加工平面存在常值性系统误差的问题,对30件同一铝合金缸盖工件平面度测量数据的均方根误差和相关熵估计进行统计分析;利用面型的评价标准,对平面测量值进行筛选,识别出能够反映整体常值性系统误差的数据。依据加工轨迹,对轴承盖安装面的五列分别进行加工补偿。对同列多面采用同一补偿值进行高度补偿,根据同列各面测量数据相对于最小二乘平面的波动大小分配每个面的补偿权重系数。实验结果表明,用此方法进行加工补偿后,发动机凸轮轴承盖安装面的整体偏差减小60%,加工精度得到显著改善。
为提高多轴机器人铣削的加工精度,提出一种新型的刀具方向角优化方法。该方法综合考虑了串联机构的固有特性及其与机器人刚度的关系,从而在生成精加工刀具方向角时选择最佳的机器人姿势。由于在不改变刀具轨迹的情况下,通过优化选择刀具的方向角来减少加工误差,该优化方法无需修改原始刀具轨迹以便补偿预测偏差。在多轴铣削机器人系统上的实验结果验证了该方法的有效性。研究结果表明,该方法能够加工出具有精细表面的三维形状,并减少了由于刀具向机器人刚度最低方向位移所引起的偏差。相比基于体积刚度性能指标的刀具方向角优化方法,RMS误差
当前,受结构性污染、农业面源污染和外省客水污染等因素影响,徐州市地表水环境质量整体较差。本文首先分析了徐州市地表水环境质量概况,然后提出了提升徐州市地表水环境质量的具体措施。
针对粘结磨损对涂层硬质合金刀具使用寿命的影响问题,为了优化刀具涂层材料,降低刀具磨损率,基于热力学理论,计算了硬质合金刀具涂层材料的焓值,分析了涂层材料的耐磨性,研究了涂层硬质合金刀具粘结磨损规律。通过涂层硬质合金刀具切削加工钛合金的实验,使用EDS分析仪和白光干涉仪分别对涂层硬质合金刀具切削加工后的元素能谱和表面形貌进行了分析。结果表明:采用热力学理论分析方法可以获得较好的粘结磨损预测精度,高速切削时刀具磨损区域发生了粘结磨损,磨损原因与元素扩散密切相关;粘结磨损主要发生在中速切削时;随着切削速度的提升
传统滚动轴承工况识别方法需要对采集到的轴承振动信号进行人工特征提取,提出一种基于自适应经验小波分解(adaptive empirical wavelet decomposition,AEWD)和深层Wasserstein网络(deep Wasserstein network,DWN)的工况识别方法。首先,改进经验小波分解频谱的分割方法,进而将滚动轴承振动信号自适应分解为本征模态分量;其次,筛选出最能反映轴承运行工况特征的分量并进行信号重构;最后,构造深层Wasserstein网络,将重构后的轴承振动信号输
为了加快物流分拣的自动化程度,设计一种新型液动快件自动化分拣装置,利用三维软件UG建立该装置的整体结构示意图,详细介绍了该装置中的托盘机构,利用液压控制回路控制托盘的运动。同时,利用单片机模块控制托盘的三工位动作,实现托盘左、右倾斜和复位,并对该装置中的液压动力装置模块、电机运动控制模块进行详细介绍。试验结果表明,该装置能够满足快件自动化分拣,具有结构简单、运行稳定、效率高、成本低等特点。
针对永磁直线同步电机的位置控制,其控制精度易受模型误差和负载扰动等因素的影响,设计了一种改进型的滑模趋近律控制器,提出了基于RBF神经网络的建模误差逼近器和非线性负载扰动观测器。首先,利用改进型的滑模趋近律算法,加快到达滑模面的速度,降低系统的滑模抖振;其次,采用RBF神经网络算法逼近系统的建模误差;最后,非线性扰动观测器对系统的负载扰动进行估计。此外,系统采用前馈补偿控制策略,以提高系统的控制精度。仿真结果表明:通过与传统的滑模趋近律控制方法相比,文章提出的方法提高了系统的控制精度、增强了系统的鲁棒性。