基于改进PSO-SVM的生产线分拣机器人罐装食品识别方法.pdf
《基于改进PSO-SVM的生产线分拣机器人罐装食品识别方法.pdf》由会员分享,可在线阅读,更多相关《基于改进PSO-SVM的生产线分拣机器人罐装食品识别方法.pdf(6页珍藏版)》请在咨信网上搜索。
1、基金项目:山西省应用基础研究计划青年科技研究基金项目(编号:)作者简介:高海燕(),女,晋中职业技术学院讲师,硕士。:收稿日期:改回日期:犇 犗 犐:犼 狊 狆 犼 狓 文章编号 ()基于改进 的生产线分拣机器人罐装食品识别方法 高海燕犌 犃 犗 犎 犪 犻 狔 犪 狀高晋阳犌 犃 犗犑 犻 狀 狔 犪 狀 犵王伟成犠犃犖犌 犠 犲 犻 犮 犺 犲 狀 犵(晋中职业技术学院,山西 晋中 ;中北大学,山西 太原 ;山西农业大学,山西 太原 )(犑 犻 狀 狕 犺 狅 狀 犵犞 狅 犮 犪 狋 犻 狅 狀 犪 犾牔 犜 犲 犮 犺 狀 犻 犮 犪 犾犆 狅 犾 犾 犲 犵 犲,犑 犻 狀 狕 犺
2、狅 狀 犵,犛 犺 犪 狀 狓 犻 ,犆 犺 犻 狀 犪;犖 狅 狉 狋 犺犝 狀 犻 狏 犲 狉 狊 犻 狋 狔狅 犳犆 犺 犻 狀 犪,犜 犪 犻 狔 狌 犪 狀,犛 犺 犪 狀 狓 犻 ,犆 犺 犻 狀 犪;犛 犺 犪 狀 狓 犻犃 犵 狉 犻 犮 狌 犾 狋 狌 狉 犪 犾犝 狀 犻 狏 犲 狉 狊 犻 狋 狔,犜 犪 犻 狔 狌 犪 狀,犛 犺 犪 狀 狓 犻 ,犆 犺 犻 狀 犪)摘要:目的:解决现有食品生产线分拣机器人目标识别方法存在的准确率差和效率低等问题。方法:在对基于双目视觉食品分拣系统进行分析的基础上,提出了一种将改进的粒子群算法和支持向量机相结合用于食品分拣机器人的目标
3、识别。通过改进粒子群算法寻优支持向量机参数,获得优化的支持向量机分类模型,对全局特征和局部特征分别进行分类器训练,动态分配特征权重系数,得到最佳识别率。通过试验分析所提方法的性能,验证其可行性。结果:与常规方法相比,所提方法在食品分拣机器人的目标识别中具有较高的识别精度和效率,准确率为 ,平均识别时间为 ,满足机器人的分拣需要。结论:所提方法能有效识别罐装食品,提高了分拣机器人分拣准确率和效率。关键词:食品生产线;分拣机器人;目标识别;粒子群算法;支持向量机犃 犫 狊 狋 狉 犪 犮 狋:犗 犫 犼 犲 犮 狋 犻 狏 犲:犕 犲 狋 犺 狅 犱 狊:,犚 犲 狊 狌 犾 狋 狊:,犆 狅 狀
4、 犮 犾 狌 狊 犻 狅 狀:,犓 犲 狔 狑 狅 狉 犱 狊:;“中国制造 ”和“工业”的提出,推动了智能制造不断向前发展,制造型企业对工业机器人的智能化要求也越来越高。机器人凭借速度快、精度高等优点在食品生产领域得到了广泛应用,而目标识别是机器人技术领域的热点研究问题。传统目标识别方法无法提取目标深度特征,识别准确率较低。近年来,机器人目标识别技术研究主要集中在支持向量机和卷积神经网络等方法上,在食品生产线中的应用较少。王成军等对基于机器视觉技术的分拣机器人的研究进行了综述,指出现有的识别方法耗时长,难以实现准确、高效分拣目标。融合 和深度学习的机器视觉将成为未来的发展方向。伍锡如等提出了
5、一种用于工业分拣机器人识别和定位的深度学习方法,其定位误差,最快识别速度可达 个,在试验环境中识别精度可保持在 以上。王银明等提出了一种能识 别 异 物 缺 陷 和 折 痕 缺 陷 的 分 拣 系 统,识 别 率 达 第 卷第期 总第 期 年月 ,能准确有效地分拣出单片火腿,分拣成功率达 ,筛选效率为 包 。王新龙等 将分类特征提取与深度学习相结合用于食品品质识别。所提模型识别精度相比于常规方法提高了 左右,可提高食品品质识别精度。虽然上述方法可以实现食品的目标检测,但在实际应用中识别的准确性和效率还有待进一步提高。研 究 拟 提 出 将 改 进 的 粒 子 群(,)算 法 与 支 持 向 量
6、 机(,)相结合用于食品分拣机器人的目标识别。通过改进 算法寻优 参数,对全局特征和局部特征分别进行分类器训练并结合,通过试验进行验证,以期为机器人技术在食品生产线中的应用提供一定参考。系统结构基于双目视觉的食品分拣机器人系统结构如图所示,主要由视觉系统、计算机系统、机器人本体等组成。由视觉系统采集图像并发送到计算机进行处理,识别目标并计算目标位置,控制 机器人到达指定位图系统结构 置进行准确分拣。识别方法试验提出一种基于双目视觉的食品分拣系统识别方法,结合 算法和 模型,通过改进 算法寻优 参数,得到优化的 分类模型,对全局特征和局部特征分别进行训练,动态分配特征权重系数。识别方法流程如图所
7、示。基于双目视觉原理,根据相机标定数据完成三维重建,控制机器人到指定位置进行分拣。图识别方法流程 全局特征提取 几何不变矩是一种高度浓缩的图像特征,具有平移、灰度、尺度和旋转不变性。试验利用 几何不变矩提取双目视觉采集图像的全局特征。通过 不变矩公式提取图像特征值,特征值组成特征向量犎 狌犺犺犺犺犺犺犺。为了减少计算 量 和 提 高 算 法 效 率,对 数 据 范 围 进 行 压 缩,如式()所示。犺犻 (犺犻)(犺犻),犻,()式中:犺犻 第犻个特征值。局部特征提取使用方向梯度直方图提取双目视觉采集图像的局部特征,特征提取步骤为:()步骤:图像预处理,通过灰度变换、校正等对采集图像进行预处理
8、。()步 骤:通 过 梯 度 算 子 和 犜对图像进行狓方向和狔方向的卷积运算,可以 得 到 像 素 点(狓,狔)处 的 梯 度 振 幅 大 小 和 梯 度方向。()步骤:计算 单元梯度方向直方图,有利于后续的特征提取。()步骤:组合 特征向量,并对直方图进行归一化。()步 骤:将 所 有 进 行 串 联,得 到特征。改进 算法 算法基本原理:用犡犡,犡,犡狀 描述粒子在犇维搜索空间构成的种群,且粒子数量为狀,用犡犻描述每个粒子的位置,犡犻可以根据目标函数计算相应的适应值。在不断更新的情况下,可以使用个体极值狆 犫 犲 狊 狋与全局 极 值犵 犫 犲 狊 狋更 新 粒 子 的 速 度 和 位
9、置,如 式()、式()所示。犞犻 犱(狋)狏犻犞犻 犱(狋)犮狉(狆 犫 犲 狊 狋犻 犱(狋)犡犻 犱(狋)犮狉(犵 犫 犲 狊 狋犡犻 犱(狋),()犡犻 犱(狋)犡犻 犱(狋)狏犻 犱(狋),()式中:惯性权重;犮、犮 学习因子;犡犻 犱(狋)、犞犻 犱(狋)犱维空间中粒子犻在迭代狋次后食品装备与智能制造 总第 期 年月的位置和速度;狉、狉 ,随机数。()优化:值越高,全局搜索能力越强,反之局部搜索能力越强。因此,引入动态,初期加强全局搜索,后期加强局部搜索,如式()所示。狆 犫 犲 狊 狋犻 犱(狋)犵 犫 犲 狊 狋狀狀犻(狆 犫 犲 狊 狋犻 犱(狋)犵 犫 犲 狊 狋),()式中
10、:系数,取。()优化犮和犮:犮越大,全局搜索能力越强,犮越大,本地搜索能力越强。文中对犮采用线性递减,对犮采用线性递增,初期加强全局搜索,后期加强局部搜索,如式()、式()所示。犮(狋)犮 (犮 犮 )狋狋犿,()犮(狋)犮 (犮 犮 )狋狋犿,()式中:狋、狋犿 当前和最大迭代次数;犮 、犮 最大学习因子;犮 、犮 最小学习因子。改进 支持向量机是 等为解决小样本、非线性问题而提出的一种机器学习方法,被广泛应用于目标识别、状态评估等。设置可分样本犡狓犻,狔犻,犻,犾,其中狓犻犚狀,狀为样本空间维数。狔犻犾,犾 为样本类别标记。如果存在最优超平面,则可以最大间隔地分割两个采样。最优超平面为狓犫
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 改进 PSO SVM 生产线 分拣 机器人 罐装 食品 识别 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。