重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2020, Vol. 34 ›› Issue (7): 35-41.doi: 10.3969/j.issn.1674-8425(z).2020.07.005

• 车辆工程 • 上一篇    下一篇

基于改进型SSD的多类汽车车身冲压件识别算法

徐聪聪,胡习之,姜立标,李小军   

  1. 华南理工大学机械与汽车工程学院，广州　５１０６４０
  • 收稿日期:2019-05-02 发布日期:2020-08-13
  • 作者简介:徐聪聪,男,硕士研究生,主要从事智能制造?机器视觉?无人驾驶环境感知技术方面研究,E-mail:15215420373@163.com;通讯作者姜立标,男,副教授,主要从事汽车电子?无人驾驶环境感知及智能制造技术研究,E-mail:jlb620620@163.com。
  • 基金资助:
    国家自然科学基金项目(51305475);汽车噪声振动和安全技术国家重点实验室2017年度开放基金项目(NVHSKL201702);重庆市教委科学技术研究项目(KJQN201801143);重庆市自然科学基金面上项目(cstc2019jcyjmsxmX0308);重庆理工大学车辆学院科研支撑项目(CL201916)

  • Received:2019-05-02 Published:2020-08-13

PDF (PC)

149

赞

摘要： 智能机器人在汽车生产制造中有着重要意义，准确地识别抓取任务中的目标是基于视觉引导的汽车车身冲压件抓取系统的基础。针对传统工件识别算法人工提取特征困难、通用性差、识别率不高且易受环境因素影响等问题，首先采用深度学习ＳＳＤ网络模型对１０类汽车车身冲压件进行识别。在此基础上，为了提高工件识别准确率，改善工件相互遮挡情况下识别差的问题，提出一种改进的ＳＳＤ算法，引入残差网络，采用Ｒｅｓｎｅｔ５０替换原ＳＳＤ的基础网络ＶＧＧ１６。实验结果表明：原始的ＳＳＤ网络在自制的工件数据集评估集上的平均准确率均值ｍＡＰ为９２．３％，改进后的ＳＳＤ网络检测的平均准确率均值ｍＡＰ为９８．３％，比原始的ＳＳＤ网络提高了６％，基于Ｒｅｓｎｅｔ５０改进的ＳＳＤ模型具有更高的识别准确率、更好的遮挡识别效果以及更强的泛化性能。

关键词: 车身冲压件, 改进的ＳＳＤ模型, 工件识别, 残差网络

中图分类号: 

  • TH165