基于深度神经网络的二维图纸中注塑与冲压模具零件自动检测
计算机视觉与模式识别
2021-10-25 v1 人工智能
摘要
本文提出一种利用深度神经网络在商用电视与显示器的 CAD 中自动检测关键特征零件的方法。我们开发了一种深度学习流水线，可在二维 CAD 图纸图像中检测注塑零件（如挂钩、凸台、倒扣）与冲压零件（如 DPS、Embo-Screwless、Embo-Burring 与 EMBO）。我们首先将图纸裁剪至特定尺寸以提升深度神经网络训练效率。随后，我们使用 Cascade R-CNN 定位注塑与冲压零件，并使用 Resnet-50 预测零件朝向。最后，我们将通过裁剪图像找到的零件位置转换至原图位置。结果中，注塑与冲压零件检测精度为 AP（平均精度）84.1%、AR（平均召回）91.2%、AP 72.0%、AR 87.0%，零件朝向精度为注塑与冲压零件 94.4% 与 92.0%，可加速工业产品设计。
引用
@article{arxiv.2110.11593,
title = {Automatic Detection of Injection and Press Mold Parts on 2D Drawing Using Deep Neural Network},
author = {Junseok Lee and Jongwon Kim and Jumi Park and Seunghyeok Back and Seongho Bak and Kyoobin Lee},
journal= {arXiv preprint arXiv:2110.11593},
year = {2021}
}
备注
4 pages