典型文献
面向工业零件分拣系统的低纹理目标检测
文献摘要：
目的 随着工业领域智能分拣业务的兴起,目标检测引起越来越多的关注.然而为了适应工业现场快速部署和应用的需求,算法只能在获得少量目标样本的情况下调整参数;另外工控机运算资源有限,工业零件表面光滑、缺乏显著的纹理信息,都不利于基于深度学习的目标检测方法.目前普遍认为Line2D可以很好地用于小样本情况的低纹理目标快速匹配,但Line2D不能正确匹配形状相同而颜色不同的两个零件.对此,提出一种更为鲁棒的低纹理目标快速匹配框架CL2D(color Line2D).方法 首先使用梯度方向特征作为物体形状的描述在输入图像快速匹配,获取粗匹配结果;然后通过非极大值抑制和颜色直方图比对完成精细匹配.最后根据工业分拣的特点,由坐标变换完成对目标的抓取点定位.结果 为了对算法性能进行测试,本文根据工业分拣的实际环境,提出了YNU-BBD 2020(YNU-building blocks datasets 2020)数据集.在YNU-BBD 2020数据集上的测试结果表明,CL2D可以在CPU平台上以平均2.15 s/幅的速度处理高分辨率图像,在精度上相比于经典算法和深度学习算法,mAP(mean average precision)分别提升了10％和7％.结论 本文针对工业零件分拣系统的特点,提出了一种快速低纹理目标检测方法,能够在CPU平台上高效完成目标检测任务,并且相较于现有方法具有显著优势.
文献关键词：
模板匹配;低纹理目标检测;颜色直方图;智能制造;随机分拣
中图分类号：
作者姓名：
闫明;陶大鹏;普园媛
作者机构：
云南大学信息学院,昆明 650500
文献出处：
引用格式：
[1]闫明;陶大鹏;普园媛-.面向工业零件分拣系统的低纹理目标检测)[J].中国图象图形学报,2022(08):2418-2429
A类：
零件分拣系统,低纹理目标检测,Line2D,CL2D,YNU,随机分拣
B类：
工业零件,工业领域,智能分拣,工业现场,快速部署,调整参数,工控机,机运,表面光,纹理信息,目标检测方法,普遍认为,小样本,快速匹配,color,梯度方向,粗匹配,非极大值抑制,颜色直方图,工业分拣,坐标变换,抓取点,点定,算法性能,BBD,building,blocks,datasets,CPU,高分辨率图像,深度学习算法,mAP,mean,average,precision,显著优势,模板匹配
AB值：
0.285671
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
