典型文献
基于深度学习的无序件抓取实验系统开发
文献摘要：
将深度学习、机器视觉与机器人相结合,构建了平面无序件抓取实验系统.通过在SSD网络引入内卷积、特征金字塔等提高目标检测算法的检测性能与效率,算法参数减少60％.构建基于VGG16主干网络的细长类标准件姿态预测算法以引导机械手抓取;采用STM32单片机控制龙门式机械手,根据算法检测结果实现机械手的抓取动作.该抓取实验系统以工业标准件抓取为应用背景,实现了10分类常见标准件的识别和抓取,算法实现均采用开源框架.该抓取实验系统将人工智能算法和工业机器人相结合,可用于生产实践和人工智能实验室的教学实验.
文献关键词：
深度学习;目标检测;内卷积;机械手
中图分类号：
作者姓名：
邱益;张志浩;梁杰
作者机构：
郑州大学机械与动力工程学院,郑州450001
文献出处：
引用格式：
[1]邱益;张志浩;梁杰-.基于深度学习的无序件抓取实验系统开发)[J].实验室研究与探索,2022(02):84-88,99
A类：
内卷积
B类：
抓取实验,实验系统开发,机器视觉,面无,SSD,特征金字塔,目标检测算法,检测性能,算法参数,VGG16,主干网络,细长,标准件,预测算法,引导机械,机械手抓取,STM32,单片机控制,龙门,门式,结果实,应用背景,算法实现,开源框架,人工智能算法,工业机器人,生产实践,人工智能实验室,教学实验
AB值：
0.381319
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。
