结合深度学习和Softmax的零件瑕疵识别OACSTPCD
Combining Deep Learning and Softmax's for Part Defect Identification
视觉引导的工业机器人自动拾取研究中,关键技术难点之一是机器人抓取目标区域的识别问题,前提是生产流程中合格与瑕疵品的检测识别,是后续分拣抓取的关键步骤.因此论文提出一种结合深度学习和Softmax的区域识别方法,通过分别提取抓取区域的方向梯度直方图HOG特征和中心局部二进制模式特征CS-LBP特征,对融合后的特征采用主成分分析法PCA进行降维处理,以此来训练Softmax分类器进行分类.为此训练了Unet神经网络完成抓取区域的分割操作.然后采用So…查看全部>>
张新波;朱姿娜;张伟伟
上海工程技术大学视觉测控与智能导航研究所 上海 201620上海工程技术大学视觉测控与智能导航研究所 上海 201620上海工程技术大学视觉测控与智能导航研究所 上海 201620
信息技术与安全科学
目标识别Softmax多特征融合深度学习
《计算机与数字工程》 2022 (5)
1142-1146,5
评论