期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于改进CenterNet的机械臂抓取检测 被引量:10
1
作者 王勇 陈荟西 冯雨齐 《中南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2021年第9期3242-3250,共9页
在机械臂的抓取检测中,基于Anchor-based的方法需要考虑很多超参数的选择和设计,难以有效提高算法整体性能。针对该问题,本文将抓取检测转换为关键点检测问题,基于CenterNet提出一种改进的抓取检测模型。首先,该模型重点解决寻找抓取框... 在机械臂的抓取检测中,基于Anchor-based的方法需要考虑很多超参数的选择和设计,难以有效提高算法整体性能。针对该问题,本文将抓取检测转换为关键点检测问题,基于CenterNet提出一种改进的抓取检测模型。首先,该模型重点解决寻找抓取框中心点的问题,其本质是对中心点进行关键点估计,从而降低抓取检测的复杂程度;其次,采用HourglassNet神经网络提取深层特征;然后,为了使模型能聚焦抓取检测中物体的重要特征,设计一种视觉注意力机制;最后,生成关键点的高斯热力图和嵌入式向量,并将抓取框的中心点设置为检测出的关键点位置,将抓取框的中心点偏移量,长,宽以及旋转角分别设置为嵌入式向量中的值,从而有效解决了这些超参数的设置问题。研究结果表明:在康奈尔抓取数据集上进行图像分割和对象分割实验,准确率分别达到了98.3%和96.7%;本文方法通过计算获得一些较优的参数而不是采用先验参数,与其他基于Anchor-free的方法相比,提高了检测精度,而且其计算精度超过一些常用的基于Anchor based的模型的精度。 展开更多
关键词 抓取检测 关键点检测 CenterNet Anchor-free
下载PDF
基于显著性特征的蝴蝶兰组培苗夹取点检测方法
2
作者 苑朝 张鑫 +2 位作者 王家豪 赵明雪 徐大伟 《农业工程学报》 EI CAS CSCD 北大核心 2023年第13期151-159,共9页
为了提高蝴蝶兰自动化快速繁育过程中组培苗夹取点视觉检测的适应性和效率,该研究提出了一种基于改进U2-Net显著性检测网络(MBU2-Net+)的组培苗夹取点定位方法。首先,通过显著性检测网络得到蝴蝶兰组培苗的显著性图像;然后,对显著性图... 为了提高蝴蝶兰自动化快速繁育过程中组培苗夹取点视觉检测的适应性和效率,该研究提出了一种基于改进U2-Net显著性检测网络(MBU2-Net+)的组培苗夹取点定位方法。首先,通过显著性检测网络得到蝴蝶兰组培苗的显著性图像;然后,对显著性图像进行骨架提取,并经过形态学分析计算定位组培苗夹取点;最后,将夹取点位置数据发送给机械臂进行夹取。在图像显著性检测试验中,MBU2-Net+的平均绝对误差为0.002,最大F1分数为0.993,FPS(frames per second,每秒帧率)为33.99帧/s,模型权重大小为2.37 MB;在组培苗夹取试验中,4组共112颗苗的夹取点提取成功率为85.71%。为验证该研究的适应性,将其应用于各阶段组培苗以及部分虚拟两叶苗共11株种苗的夹取点提取,成功率为81.82%,使用该方法对不同时期的蝴蝶兰组培苗进行夹取点检测,具有较高的成功率。研究结果可为发展组培苗自动化快速繁育技术提供参考。 展开更多
关键词 图像识别 自动化 显著性特征 改进的U2-Net 蝴蝶兰组培苗 夹取点检测
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部