發(fā)布時間：2017-12-12 03:02

  本文關鍵詞：基于深度學習的工業(yè)機器人視覺特征提取技術研究

  更多相關文章： 工業(yè)機器人 深度學習 卷積神經(jīng)網(wǎng)絡 LLENet 分類

【摘要】：在工業(yè)機器人實現(xiàn)的自動化分揀、搬運、檢測系統(tǒng)中,物體識分類技術一直是研究的重點,它是解決工業(yè)機器人物體跟蹤、行為分析、場景理解等其他任務的基礎。應用較為廣泛的分類方法是通過傳統(tǒng)特征提取方法提取圖像特征、用提取到的特征訓練分類器,得到適用于當前場景的分類模型,而圖像特征設計的好壞將直接影響分類準確率。卷積神經(jīng)網(wǎng)絡可以自動學習得到圖像特征,避免手工設計特征的復雜過程,并且能夠克服圖像形變、遮擋、光照變化等影響,目前在圖像分類領域中得到廣泛關注。但在特征提取過程中,卷積神經(jīng)網(wǎng)絡需要調整大量參數(shù),訓練時間較長且容易過擬合。本文就工業(yè)機器人視域下的分類問題展開相關研究,具體如下:(1)收集資料,參閱文獻,對工業(yè)機器人視域下的物體分揀、搬運、檢測系統(tǒng)的視覺問題研究現(xiàn)狀做出概述。然后,針對工業(yè)機器人視域下分類中的特征提取問題,對基本視覺特征提取和視覺特征表達的相關原理和算法做出綜述。(2)介紹了神經(jīng)網(wǎng)絡的結構以及在分類任務中的優(yōu)勢,重點介紹了卷積神經(jīng)網(wǎng)絡的層級結構。(3)針對傳統(tǒng)卷積神經(jīng)網(wǎng)絡參數(shù)量過大、訓練時間長、需要特別的調參技巧等問題,提出了基于局部線性嵌入的深度學習框架(Locally Linear Embedding Network,以下簡稱 LLENet)。LLENet 不采用反向傳播機制調整卷積核參數(shù),而是從訓練樣本中通過局部線性嵌入算法提取卷積核,避免了傳統(tǒng)卷積神經(jīng)網(wǎng)絡通過優(yōu)化方法調節(jié)網(wǎng)絡參數(shù)的復雜計算過程。與傳統(tǒng)卷積神經(jīng)網(wǎng)絡類似,在提取到卷積核后,LLENet級聯(lián)卷積層、下采樣層、非線性層,最后將從訓練樣本中提取到的圖像的特征用于訓練支持向量機或K最近鄰分類器,得到完整的圖像分類模型。本文在MATLAB R2012a上進行了 LLENet分類模型的試驗:首先,在從工業(yè)機器人視域下采集到的工件圖片集WorkPiece和MNIST-1數(shù)據(jù)集上的試驗結果表明,該模型比PCANet和KPCANet平均分類準確率高,其中一個卷積層的LLENet在上述兩個數(shù)據(jù)集中的分類準確率均可以達到97%以上,遠高于PCANet和KPCANet;然后,在Caffe框架下用WorkPiece數(shù)據(jù)集訓練了基于LeNet-5的工業(yè)機器人視域下分類模型,驗證集平均分類準確率超過95%;最后,模擬工業(yè)現(xiàn)場訓練樣本量不足時的分類場景,使用WorkPiece數(shù)據(jù)集的子集WorkPiece-1數(shù)據(jù)集在預訓練好的LeNet-5分類模型中做微調(fine-tuning),驗證集平均分類準確率達到93%以上。試驗表明,本文提出的LLENet在分類準確率、算法復雜度等方面優(yōu)于傳統(tǒng)卷積神經(jīng)網(wǎng)絡模型,有利于提高工業(yè)機器人物體分類準確率;當訓練樣本數(shù)量不足時,通過微調預訓練好的LeNet-5也能夠得到較高的分類準確率,適用于工業(yè)機器人視域下的分類問題。
【學位授予單位】：安徽工程大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41;TP242.2

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊曉帥 ,付玫;神經(jīng)網(wǎng)絡技術讓管理更輕松[J];軟件世界;2000年11期

2 云中客;新的神經(jīng)網(wǎng)絡來自于仿生學[J];物理;2001年10期

3 唐春明,高協(xié)平;進化神經(jīng)網(wǎng)絡的研究進展[J];系統(tǒng)工程與電子技術;2001年10期

4 李智;一種基于神經(jīng)網(wǎng)絡的煤炭調運優(yōu)化方法[J];長沙鐵道學院學報;2003年02期

5 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡及其應用研究[J];計算機工程與應用;2004年21期

6 王凡,孟立凡;關于使用神經(jīng)網(wǎng)絡推定操作者疲勞的研究[J];人類工效學;2004年03期

7 周麗暉;從統(tǒng)計角度看神經(jīng)網(wǎng)絡[J];統(tǒng)計教育;2005年06期

8 趙奇 ,劉開第 ,龐彥軍;灰色補償神經(jīng)網(wǎng)絡及其應用研究[J];微計算機信息;2005年14期

9 袁婷;;神經(jīng)網(wǎng)絡在股票市場預測中的應用[J];軟件導刊;2006年05期

10 尚晉;楊有;;從神經(jīng)網(wǎng)絡的過去談科學發(fā)展觀[J];重慶三峽學院學報;2006年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡的新機遇——紀念中國神經(jīng)網(wǎng)絡10周年[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡與圖論[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產(chǎn)品的神經(jīng)網(wǎng)絡釋用預報應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡應用研究通過鑒定[N];中國船舶報;2006年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡的混沌性及幾類時滯神經(jīng)網(wǎng)絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網(wǎng)絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術研究[D];東南大學;2015年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經(jīng)網(wǎng)絡降維算法研究與應用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經(jīng)網(wǎng)絡的上證指數(shù)預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡的穩(wěn)定性分析[D];渤海大學;2015年

，

本文編號：1280895