[發明專利]一種基于深度學習的物料分揀方法在審
| 申請號： | 201911014911.9 | 申請日： | 2019-10-24 |
| 公開（公告）號： | CN110826604A | 公開（公告）日： | 2020-02-21 |
| 發明（設計）人： | 唐紹武;王麗敏;王海;杜世倫;解印山;王于凱;郭鵬;吳曉 | 申請（專利權）人： | 西南交通大學 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G06N3/04 |
| 代理公司： | 成都信博專利代理有限責任公司 51200 | 代理人： | 舒啟龍 |
| 地址： | 610031 四川省成都市*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 深度 學習 物料 分揀 方法 | ||
1.一種基于深度學習的物料分揀方法，其特征在于，包括以下步驟：
步驟1：物料圖像識別與分辨：采集物料初始圖像，采用卷積神經網絡和圖像增強技術對物料進行識別和分辨；
步驟2：利用動態規劃求解抓取物料的最優路徑；
步驟3：實現走點控制，規定一個正方向，算出兩點之間的轉角和距離，整個路徑就是對兩點走點的重復調用；
步驟4：物料抓取，完成分揀：采用Vector機器人自帶的機械手臂對物料抓取。
2.根據權利要求1所述的一種基于深度學習的物料分揀方法，其特征在于，所述步驟1中對于物料的識別和分辨具體步驟如下：
(1)用Python語言編程，搭建卷積神經網絡，同時其驗證方法為交叉驗證；
(2)用圖像增強技術對物料樣本進行處理，突出物料特征點；圖像數據增強部分采用了Keras庫中的圖像增強函數，通過改變圖片的光照、角度、縮放和平移屬性，實現圖像數據的增強；
(3)模型訓練：用處理后的樣本對神經網絡進行訓練，用數據轉換算法實現圖像數據與NP數組間的轉化，將圖像轉化為NP數組后，輸入到卷積神經網絡中，用于識別；
(4)圖像的識別并輸出結果。
3.根據權利要求1所述的一種基于深度學習的物料分揀方法，其特征在于，所述步驟2中動態規劃方程為：
fn+1(sn+1)＝0
其中，sk為第k階段的狀態變量；uk(sk)為第k階段當狀態處于sk時的決策變量；Dk(sk)為第k階段從狀態sk出發的允許決策集合；fk(sk)為最優值函數，距離函數；opt取min。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于西南交通大學，未經西南交通大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201911014911.9/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種稀土催化合成的仲胺衍生物及其制備方法
- 下一篇：一種抹茶漿的制備方法
