基于深度学习的工业零件识别与抓取实时检测算法

作     者：吕张成 张建业 陈哲钥 刘浩 LYU Zhangcheng;ZHNAG Jianye;CHEN Zheyao;LIU Hao

作者机构：天津工业大学机械工程学院天津300387 天津工业大学天津市现代机电装备技术重点实验室天津300387 

出 版 物：《机床与液压》 (Machine Tool & Hydraulics)

年 卷 期：2023年第51卷第24期

页      面：33-38页

学科分类：0711[理学-系统科学] 07[理学] 08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 071102[理学-系统分析与集成] 081103[工学-系统工程] 

基　　金：国家科技重大专项子课题(2019ZX04005-001-014) 

主　　题：深度学习 识别准确率 目标检测 抓取检测 实时性 

摘      要：为了提高工业生产中视觉控制机械臂抓取工业零件的精度和速度,提出一种新的识别工业零件类别和最佳抓取位置的检测算法。运用YOLOv5l目标检测算法对视界中的多种工业零件进行识别,随后将其识别图片传入抓取位置检测算法进行最佳抓取位置的识别。针对抓取位置检测的问题,提出一种改进的神经网络模型,在GG-CNN网络的基础上添加四层残差网络做平层特征提取,增强特征提取的效果。实验结果表明:此算法的识别准确率在95%以上,抓取成功率在90%左右,验证了该算法在多种工业零件和最佳抓取位置识别中具有高准确性和时效性。