基于深度判别的零件吸附位姿搜索.pdf
《基于深度判别的零件吸附位姿搜索.pdf》由会员分享,可在线阅读,更多相关《基于深度判别的零件吸附位姿搜索.pdf(3页珍藏版)》请在咨信网上搜索。
1、中国新技术新产品2024 NO.3(上)-21-高 新 技 术2022 年我国工程机械产业规模突破 9 000 亿元,位居全球第一。而随着国际经济形势的复杂化,加快产业转型升级并构建新的竞争优势尤为迫切1。在工程机械装备组装中,使用拼接式电磁吸盘吸附定制化零件是一个必要的程序,其本质为在一定约束下不同图像中目标区域的重合面积最大化问题。然而目前的研究2对非规则型零件的吸附成功率低且吸附位姿搜索耗时。值得注意的是,对非规则型零件的外形尚无明确的几何定义。文献 2 最早尝试做出文字描述(参见 1.2.1 节),并进一步对非规则型零件使用PSO搜索吸附位姿。然而其成果还不能完全胜任实际生产,原因主要
2、有 2 点。1)识别非规则型零件过于耗时。2)PSO 搜索耗时较高。目前基于深度学习的图像分类模型取得了较好发展,且进行模型前向推理时在计算速度上具有一定优势3。受此启发,本文尝试使用深度神经网络识别非规则型零件。为此,本文收集并建立了一批零件图像数据集,提出的神经网络模型在测试集上的分类准确率接近 100%且推理速度快,提出的改进型 GWO 搜索在试验中也取得了更高的吸附得分。1 本文算法1.1 问题描述机器人在工程机械场景中作业时,零件是相对静止的,并通过端拾器与零件的贴合部分产生磁力。因此吸附位姿主要指吸盘贴合零件时的平面位置坐标与自身旋转角度,记为pose=x,y,angle。磁块的开
3、闭由贴合面积与磁块面积的比值决定,在实际的工程经验中,比值一般设为 0.9 以上。上述优化问题可形式化定义为公式(1)。Object poseISSFGSubjectto ISSposeiriiiii:max:?1 ifr0 0 900 9.ifrSSi?(1)式中:i 为端拾器中的第 i 个磁块;I 为指示函数,当 I 为 1,代表磁块被打开,反之则代表磁块关闭;Si为第 i 个磁块的面积;Sr为第 i 个磁块与零件的贴合面积;Fi为第 i 个磁块的额定吸力;G 为被搜索零件的重力。优化目标为提高吸盘在指定吸附位姿下产生的吸力与零件重力的比值分数。比值越大,代表吸附位姿越好,实际的吸附也会更
4、稳定、安全。1.2 零件类别判断1.2.1 工业零件数据集标注文献 2 将吸盘图像与零件图像在彼此重心点处水平重合后,按一定角度间隔进行顺时针旋转。如果吸盘产生的最大吸力不小于零件重力的 1.3 倍,则零件为规则型,否则为非规则型。记此定义为,其数学化定义如公式(2)所示。?11 30ififrrmax.maxposeiiiiposeiiiISSFGISSF?iG1 3.(2)式中:1 为规则;0 为非规则。本文收集了一批工业零件的等比例图像数据集,使用重心旋转搜索法对零件图像进行判断,并给予标签。最后通过随机抽样划分训练集与测试集。1.2.2 网络模型与训练将神经网络模型代表的函数定义为 F
5、(),希望在网络参数 的更新过程中将 F 尽可能逼近,如公式(3)所示。?limnF?(3)式中:n 为训练迭代的步数。本文将 DenseNet 作为最后的零件类别判断模型。考虑平衡精度与时间开销,本文将 DenseNet-121 作为最终分类器,具体参见文献 3。为了进一步提升网络的分类表现,本文还使用迁移学习和图像合成方法。其中迁移学习将基于ImageNet数据集预训练出的模型作为初始权重。输入图像合基于深度判别的零件吸附位姿搜索曾德天1孙乐涵1刘浩1谢静娟2徐悦1(1.湖南人文科技学院,湖南 娄底 417000;2.娄底潇湘职业学院,湖南 娄底 417000)摘 要:重工机械设备组装中定
6、制化零件具有形状复杂、尺寸跨度广的特点,实际生产中,吸附零件的准确性与实时性仍有较大的优化空间。为此本文提出了基于深度判别的零件吸附位姿搜索算法。通过 DenseNet-121模型对合成的图像进行判断,并对判为非规则类型的零件使用 GWO 搜索吸附位姿,同时引入了基于重心点的高斯分布或均匀分布抽样初始化种群。试验表明,本文提出的判断模型平均准确率为99.3%,推理时间降低了487倍。而提出的改进 GWO 在非规则型零件集上的吸附得分提升了7.7%,整体时间开销降低了39.42%,证明了本文方法具有更好的快速性与准确性。关键词:形状分类;GWO;神经网络;吸附优化中图分类号:TP391 文献标志
7、码:A基金项目:湖南省教育厅科学研究项目一般项目“面向智能制造的零部件预处理分拣线关键技术研究及应用”(项目编号:22C0596)。中国新技术新产品2024 NO.3(上)-22-高 新 技 术成方法如下:将零件的二值化图像作为第一个通道,拼接式吸盘的二值化图像作为第二个通道,第三个通道的构建则包括优化问题的相关关键信息,此处参考了文献 4 的做法。但不同的是,本文为强化相关数据,将第三个通道中每行数据均设置相同,每列则为 8 个关键数据的重复循环,其中 8个关键数据的排列与含义见表 1。1.3 位姿搜索加速与优化本文引入 GWO 算法对 pose 进行搜索,同时为了对 GWO搜索过程进行加速
8、,分别探索了高斯分布与均匀分布抽样初始化技术。GWO模拟了自然界灰狼的社会层级和狩猎机制,狼群通过狩猎不断逼近理想中的最优位姿,具体细节参见文献 5。GWO 算法属于迭代优化,实时性不高,而理想的初始化群体有助于过程的快速收敛并获得较好的结果,较差的初始化可能导致过程收敛较慢或陷入局部最优。因此本文尝试使用高斯分布抽样初始化与均匀分布抽样初始化技术对 GWO的搜索过程进行加速与优化,具体描述如下。1.3.1 基于重心的高斯分布抽样初始化本文尝试使用高斯分布抽样来初始化吸附位姿(灰狼)。同时鉴于重心旋转搜索法可以较好地处理规则型零件,此处将零件的重心(记为(centerx,centery)与旋转
- 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 深度 判别 零件 吸附 搜索
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。