产品:40
联系我们
而在实际应用中，由于虾的形态各异，对人来说十分简单的识别任务，对于传统的图像特征提取算法就变得非常困难。面对形态各异、尺寸不一，纹理颜色等特征也不同的虾，单一的图像处理方法只能准确识别部分样本的关节点，很难达到工业应用的高精度要求，而一个好的解决方案不仅要能满足工业应用的精度要求，还需要将识别失败样本的误差控制在稳定范围内，便于工厂的后续处理，ABB机器人关于抓虾的技巧专门练就了一手绝世“武功”。
ABB机器人的研究人员提出结合深度学习与生物特征识别的目标点定位方法，并在实际数据上进行了模型训练与性能验证。首先将虾的图像进行预处理后输入深度学习模型得到粗定位点，之后对虾的位姿进行归一化并提取轮廓线，基于对搜索域内的轮廓拟合与特征点检测以准确定位目标点。
实验结果证明了该方法的有效性：在包含1000张实测样本的测试集上，整体方案的识别率达到了惊人的97.2%，可初步满足实际工业应用的要求。
实验结果证明了该方法的有效性：在包含1000张实测样本的测试集上，整体方案的识别率达到了惊人的97.2%，可初步满足实际工业应用的要求。
了解更多：ABB机器人