[發(fā)明專利]基于高斯混合噪聲生成式對抗網(wǎng)絡(luò)的物體硬度識別方法

有效

• 申請?zhí)枺?/td>: 201811328795.3
• 申請日: 2018-11-09
• 公開（公告）號: CN109508740B
• 公開（公告）日: 2019-08-13
• 發(fā)明（設(shè)計）人: 王慰;錢曉亮;趙素娜;李二凱;曾黎;王延峰;楊存祥;毋媛媛;吳青娥
• 申請（專利權(quán)）人: 鄭州輕工業(yè)學院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G01N3/40
• 代理公司: 鄭州大通專利商標代理有限公司 41111
• 代理人: 陳勇

本發(fā)明涉及機器學習技術(shù)領(lǐng)域，公開了基于高斯混合噪聲生成式對抗網(wǎng)絡(luò)的物體硬度識別方法，包括：以小規(guī)模標注硬度等級的觸覺數(shù)據(jù)作為真值，訓(xùn)練高斯混合噪聲生成式對抗網(wǎng)絡(luò)，將高斯混合噪聲輸入所述高斯混合噪聲生成式對抗網(wǎng)絡(luò)，獲取大規(guī)模生成樣本；以高斯混合噪聲生成式對抗網(wǎng)絡(luò)的判別器的參數(shù)作為硬度識別網(wǎng)絡(luò)參數(shù)的初值，利用所述大規(guī)模生成樣本對硬度識別網(wǎng)絡(luò)進行預(yù)訓(xùn)練，使用標注硬度等級的觸覺數(shù)據(jù)對硬度識別網(wǎng)絡(luò)進行再次訓(xùn)練，確定硬度識別網(wǎng)絡(luò)的參數(shù)；將待預(yù)測的觸覺數(shù)據(jù)輸入硬度識別網(wǎng)絡(luò)，獲得待預(yù)測的觸覺數(shù)據(jù)的硬度等級。本發(fā)明具有較高的硬度識別精度。

技術(shù)領(lǐng)域

本發(fā)明涉及機器學習技術(shù)領(lǐng)域，尤其涉及基于高斯混合噪聲生成式對抗網(wǎng)絡(luò)的物體硬度識別方法。

背景技術(shù)

物體的硬度識別實質(zhì)是獲取物體的物理信息。近年來，隨著機器人的發(fā)展，工業(yè)機器人趨于成熟并加速了工廠自動化的程度，而人形的機械手只能做一些簡單的動作或抓取特定的物體，距離機械手成功抓取任意的物體還有很大的距離。機械手獲取目標物的信息越多越有利于抓取，而物體的硬度作為其重要的物理屬性之一，對物體的抓取有重要意義。

物體硬度識別的方法有多種，依據(jù)是否使用機器學習將現(xiàn)有基于觸覺的硬度識別方法分為兩大類，其中使用非機器學習的方法存在對硬件要求比較高，操作比較繁瑣的問題，因此基于機器學習的硬度識別方法是當前的主要發(fā)展趨勢。近幾年隨著深度學習的發(fā)展，可依據(jù)是否采用深度學習技術(shù)將基于機器學習的方法再細分為兩類。其中，基于深度學習的物體硬度識別的精度比非深度學習的識別精度高，因此，基于深度學習的物體硬度識別有更廣泛的應(yīng)用。由于深度學習需要大量的訓(xùn)練樣本來確定硬度識別網(wǎng)絡(luò)的參數(shù)，但觸覺數(shù)據(jù)的采集和標簽的標注較為繁瑣，浪費了大量的人力和時間成本。

發(fā)明內(nèi)容

針對現(xiàn)有基于深度學習的物體硬度識別的樣本問題，本發(fā)明提出了基于高斯混合噪聲生成式對抗網(wǎng)絡(luò)物體硬度識別方法，可以快速獲取大量的生成樣本，從而初步確定硬度識別網(wǎng)絡(luò)的參數(shù)，再用少量標注硬度等級的觸覺數(shù)據(jù)對硬度識別網(wǎng)絡(luò)進行再次訓(xùn)練，確定硬度識別網(wǎng)絡(luò)的參數(shù)的最終值，節(jié)省了大量的人力和時間成本，且具有較高的硬度識別精度。

為了實現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

基于高斯混合噪聲生成式對抗網(wǎng)絡(luò)的物體硬度識別方法，包括：

步驟1：以小規(guī)模標注硬度等級的觸覺數(shù)據(jù)作為真值，訓(xùn)練高斯混合噪聲生成式對抗網(wǎng)絡(luò)，將高斯混合噪聲輸入所述高斯混合噪聲生成式對抗網(wǎng)絡(luò)，獲取大規(guī)模生成樣本；

步驟2：以高斯混合噪聲生成式對抗網(wǎng)絡(luò)的判別器的參數(shù)作為硬度識別網(wǎng)絡(luò)的參數(shù)的初值，利用所述大規(guī)模生成樣本對硬度識別網(wǎng)絡(luò)進行預(yù)訓(xùn)練，使用標注硬度等級的觸覺數(shù)據(jù)對硬度識別網(wǎng)絡(luò)進行再次訓(xùn)練，確定硬度識別網(wǎng)絡(luò)的參數(shù)的最終值；

步驟3：將待預(yù)測的觸覺數(shù)據(jù)輸入硬度識別網(wǎng)絡(luò)，獲得所述待預(yù)測觸覺數(shù)據(jù)的硬度等級。

進一步地，所述步驟1包括：

步驟1.1：用機械臂前端的傳感器碰觸目標物體，采集觸覺數(shù)據(jù)，將采集的觸覺數(shù)據(jù)依據(jù)其硬度物理屬性劃分為L個硬度等級，并標注相應(yīng)的標簽為1、2、3、…、L，獲得L類標注硬度等級的觸覺數(shù)據(jù)；

步驟1.2：將L類標注硬度等級的觸覺數(shù)據(jù)作為真值，訓(xùn)練高斯混合噪聲生成式對抗網(wǎng)絡(luò)：

步驟1.2.1：定義輸入高斯混合噪聲生成式對抗網(wǎng)絡(luò)的高斯混合噪聲的概率密度分布為：

其中，z_i∈Rⁿ為第i類標注硬度等級的觸覺數(shù)據(jù)對應(yīng)的輸入高斯混合噪聲，n為輸入的高斯混合噪聲中包含數(shù)據(jù)點的個數(shù)，為z_i從第k個高斯分量中獲取的高斯混合噪聲，K為高斯分量的個數(shù),表示高斯分布，和分別為第k個高斯分量的均值和協(xié)方差矩陣，為第k個高斯分量在所有高斯混合噪聲信號中的權(quán)重；令