基于 Faster R-CNN 的物体分拣

Pengchang Chen; Vinayak Elangovan

基于 Faster R-CNN 的物体分拣

计算机视觉与模式识别 2021-01-01 v1 人工智能

作者: Pengchang Chen , Vinayak Elangovan

摘要

在工厂生产线上，不同的工业零件需要被快速区分并分拣以进行后续加工。零件可能具有不同的颜色和形状。由人工将这些物体区分并归入适当类别是繁琐的。将这一过程自动化可节省更多时间与成本。在自动化过程中，选择合适的模型以基于特定特征检测和分类不同物体更具挑战性。本文中，将三种不同的神经网络模型与物体分拣系统进行比较，分别为 CNN、Fast R-CNN 和 Faster R-CNN。对这些模型进行了测试并分析了其性能。此外，针对物体分拣系统，对一支由 Arduino 控制的 5 自由度（degree of freedom，DoF）机械臂进行编程，以抓取并将对称物体放置到目标区域。物体根据颜色、缺陷与非缺陷物体被分类。

关键词

物体分拣 Faster R-CNN 卷积神经网络 Fast R-CNN 机械臂工业自动化缺陷检测

引用

@article{arxiv.2012.14840,
  title  = {Object sorting using faster R-CNN},
  author = {Pengchang Chen and Vinayak Elangovan},
  journal= {arXiv preprint arXiv:2012.14840},
  year   = {2021}
}

备注

10 pages, 10 figures, 5 tables

基于 Faster R-CNN 的物体分拣

摘要

关键词

引用

备注

相关论文