發(fā)布時間：2020-05-13 12:24

【摘要】：低延遲、高精度的圖像分類算法在工業(yè)機器人輔助嵌入式設備上的應用始終是實際工程中關注的關鍵技術問題和科學研究的熱點問題之一。目前研究較成熟的圖像分類算法主要有基于傳統(tǒng)圖像處理技術和基于深度學習的圖像分類技術,然而在微型嵌入式設備上移植圖像分類算法在保持較高的圖像分類精度和實時性方面都存在一定的限制。因此,從嵌入式設備軟硬件設計和優(yōu)化輕量級卷積神經網絡網絡模型這一新的角度來研究基于嵌入式設備的圖像分類技術具有重要的研究意義。本文以工業(yè)花卉自動化分揀作業(yè)為工程背景,以微型嵌入式設備為具體的研究對象,根據本系統(tǒng)要求對花卉圖像快速準確分類的特點引入優(yōu)化輕量級網絡模型的思想。從微型嵌入式設備的實際項目需求、圖像分類網絡模型的選取、以及模型優(yōu)化幾個方面著手,對基于深度分離卷積神經網絡的機器人花卉分揀系統(tǒng)進行深入研究。論文主要研究工作如下:通過查閱大量國內外文獻,對目前卷積神經網絡的研究現狀、花卉圖像分類方法以及視覺算法在機器人自動分揀的應用進行了總結和分析比較,總結了值得進一步深入研究的問題。并且在目前大量對圖像分類優(yōu)化算法文獻的啟發(fā)下,指出從輕量級卷積神經網絡模型入手來研究具備有限計算資源的微型嵌入式設備的花卉圖像分類算法具有重要的研究意義。針對當前市場上微型嵌入式設備的軟硬件設計,深入考察對比了每一種方案的優(yōu)缺點,其中作為該設備開發(fā)最重要的部分為主控CPU芯片的選擇。既滿足較高的計算能力又可處于低功耗運行應是本系統(tǒng)最佳選擇,輔以其他外圍組件即可滿足公司的實際項目需求。針對工業(yè)花卉包裝自動化分揀領域的實際應用場景中出現花卉圖像分類算法模型參數過大,分揀精度不高的問題,采用微型嵌入式設備作為包裝機器人的“眼睛”,基于一種深度分離卷積神經網絡提取花卉特征,并詳細分析了網絡模型結構;為了提高模型的訓練速度,提出了一種微調的模型訓練方法,PC端仿真結果表明,所采用的花卉圖像分類算法準確率更高、穩(wěn)定性更好,最后將訓練好的模型壓縮優(yōu)化,搭建開發(fā)環(huán)境,將算法模型移植到微型嵌入式設備并評價其分類效果。
【圖文】：

并在此基礎上加裝了 Flex Picker 視覺系統(tǒng)。歐洲包裝公司Sm根據實際的需求與 Fanuc 機器人公司合作，研發(fā)了一款 Sigpack Delta 包裝分揀，顯著提高生產效率。如圖 1-2 所示，intergreen 公司首次機用于生產，1 小時可以打包 2400 個花束，相當于完成 7-9 人的工作于自動化包裝。

第三章 花卉分揀機器人視覺系統(tǒng)硬件電路設計根據第二章花卉分揀視覺系統(tǒng)的總體設計分析可知，考慮到實際的應用發(fā)的可擴展性，在硬件方面最終選擇 AP+Sensor+BT/WIFI+攝像頭+移塊的硬件方案，軟件系統(tǒng)采用剪裁的 Android 系統(tǒng)。本章將詳細介紹所的實施細節(jié)，完成嵌入式設備硬件電路設計和軟件操作系統(tǒng)的燒錄。1 花卉分揀機器人視覺系統(tǒng)硬件電路架構第二章所設計的微型嵌入式設備的硬件電路架構主要包括核心 CPU 模管理（PMU）模塊、存儲（Flash）單元、WIFI-BT 模塊、攝像頭模塊塊、音頻處理單元、USB 連接模塊、以及電池（Battery）模塊，通過 IO、CSI 、UART、RGB 等不同類型信號將這些模塊電性互聯，實現主電路系統(tǒng)的穩(wěn)定控制，以使各模塊工作在正常范圍，滿足最初的項目設如圖 3-1 所示為微型嵌入式設備的硬件電路原理圖。
【學位授予單位】：湖南工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP183;TP242;TP391.41

【參考文獻】

相關期刊論文 前10條

1 劉禹;;可穿戴設備發(fā)展現狀及設計趨勢[J];創(chuàng)意設計源;2015年05期

2 趙靜;王朝暉;陳平輝;;智能穿戴終端產業(yè)發(fā)展分析與展望[J];移動通信;2014年21期

3 肖艷;;機器人在包裝自動化領域發(fā)展勢頭強勁[J];中國包裝工業(yè);2014年13期

4 王丹;張祥合;;基于HOG和SVM的人體行為仿生識別方法[J];吉林大學學報(工學版);2013年S1期

5 黃國棟;陳杰;;ID3算法在包裝機器人自動分揀中的應用[J];包裝工程;2012年11期

6 王保升;汪木蘭;;基于貨單的多品種產品自動分揀系統(tǒng)[J];包裝工程;2010年19期

7 晏祖根;王立權;孫智慧;卜遲武;;面向食品生產的高速自動分揀系統(tǒng)的研究[J];包裝工程;2009年07期

8 鄒穎婷;李紹榮;;ARM9上的嵌入式Linux系統(tǒng)移植[J];自動化技術與應用;2009年06期

9 王紅濤;傅衛(wèi)平;康業(yè)娜;;工件圖像識別的邊緣匹配方法研究[J];儀器儀表學報;2008年05期

10 陳守煜;胡吉敏;;可變模糊方法及其在工件識別中的應用[J];系統(tǒng)工程與電子技術;2006年09期

，

本文編號：2661954