【摘 要】
：
目前,生活垃圾分类分拣工作主要依靠人力完成,需要大量的人工劳动且效率低下。采用计算机视觉方法能够识别摄像头视野内的垃圾类别并确定其抓取位姿,减少大量人工劳动且提高识别精度。因此,本文将研究基于计算机视觉的垃圾检测算法并结合机械臂完成抓取与分拣动作,具体进行以下研究和工作:第一,实现了一种单阶段多尺度的抓取识别算法,通过将抓取检测技巧引入目标检测算法,设计了基于YOLOv4的抓取识别神经网络Gras
论文部分内容阅读
目前,生活垃圾分类分拣工作主要依靠人力完成,需要大量的人工劳动且效率低下。采用计算机视觉方法能够识别摄像头视野内的垃圾类别并确定其抓取位姿,减少大量人工劳动且提高识别精度。因此,本文将研究基于计算机视觉的垃圾检测算法并结合机械臂完成抓取与分拣动作,具体进行以下研究和工作:第一,实现了一种单阶段多尺度的抓取识别算法,通过将抓取检测技巧引入目标检测算法,设计了基于YOLOv4的抓取识别神经网络GraspYOLO,输出线段型的抓取位姿标记并采用基于距离的非极大值抑制算法Dist NMS进行筛选,实现了RGB图像上目标类别和抓取位姿的同步检测。第二,建立并标注了生活垃圾图像数据集,对采集的生活垃圾图像进行分类并在不同类别的图像上分别使用深度卷积生成对抗网络进行扩充,增强了数据集的样本量和垃圾形状表现,进一步提高了GraspYOLO的泛化能力。第三,设计了面向线段型抓取标记的抓取位姿复原方法,通过九点标定法获取手眼变换矩阵并结合深度摄像机将GraspYOLO的输出转换为三维抓取位姿,从而控制机械臂完成目标垃圾的抓取和分拣任务,简化的位姿表示方法提高了机械臂抓取效率。最后,对本文算法及系统进行测试。GraspYOLO的检测速度为28fps,相比YOLOv4提升约21%,达到实时检测的要求。在测试集图像上,GraspYOLO的正确检测率为95.3%;在真实场景下,整个系统的成功抓取率为89.33%,平均单次分拣时间为2.12秒。实验结果表明,GraspYOLO可以满足垃圾分类分拣系统的抓取识别需求。
其他文献
我国从2018年开始,实施乡村振兴战略,必须破解人才瓶颈制约.要把人力资本开发放在首要位置,畅通智力、技术、管理下乡通道,造就更多乡土人才,聚天下人才而用之.同时,要保护保留乡村风貌,开展田园建筑示范,培养乡村传统建筑名匠.
高职院校教育管理工作创新时,为全面升级教育管理水平,应当灵活运用激励理论,挖掘出激励理论,在教育管理中的运用价值,对高职学生进行有效的教育管理,激发出学生内心的斗志与潜力,促进学生综合学习实力与素质的提升.
为了研究不同凹槽形式对泵喷推进器的梢涡控制效果,在导管内壁开设不同形式的凹槽结构,采用数值计算方法,分析凹槽的特征参数对梢涡控制效果的影响.结果 显示:导管凹槽能够有效地削弱梢涡强度,梢涡控制效果随着凹槽轴向长度、周向宽度和径向深度,以及凹槽数量的变化而发生改变.该研究结果可为泵喷推进器梢涡控制和导管凹槽优化选型提供新的技术路径和技术支撑.“,”In order to study the tip vortex control effect of pump jet thrusters by groove s
本文基于在两个离岸地点所测得的海洋波浪数据提出了一个新颖的环境轮廓线(meta-ocean轮廓线)法.为了实现这一新颖的环境轮廓线法,提出采用带偏向交叉验证带宽选择的双变量核密度估计.用新颖方法所得到的环境轮廓线与用克莱顿连接转换法所得到的环境轮廓线来做对比,清晰地验证了所提出的新颖方法的有效性和优越性.研究结果证明了所提出的新颖方法可被用作预报海洋工程结构物长期极端动力响应的有效工具.“,”A novel environmental contour lines (meta-ocean contour l
吊舱推进器具有模块化程度高、环保、机动性强和噪音低等优点,广泛应用于科研、军事和商业领域.目前吊舱推进器水动力性能研究工作主要基于模型试验及数值计算展开,但是吊舱推进器的复杂结构给其敞水性能由模型尺度外推到实尺度带来了困难.本文基于CFD方法研究了拉式吊舱推进器敞水性能的尺度效应.文中采用Rayleigh-Aver-aged Navier-Stokes (RANS)方法,结合两方程湍流模型,对拉式吊舱推进器的敞水性能进行数值模拟.通过计算不同尺度的吊舱推进器敞水特性,分析和总结了不同部件受力时的压力成份、
在潜艇设计初步阶段,高效可靠地评估其操纵性能具有重要意义.本文以DRDC-STR潜艇模型为研究对象,基于RANS方程及整体动网格技术,构建了潜艇六自由度空间操纵运动CFD直接预报方法,该方法中螺旋桨及舵水动力通过Star CCM+中的自编程序接口,以数值计算时间步长为更新间隔,实时作用于艇体上,极大地提高了计算效率.为验证文中方法的可行性,以加拿大国防发展与研究中心提供的潜艇操纵数值仿真模型作为参照,分别应用两种方法开展了空间螺旋及垂直面Z形的计算,仿真模型中的大部分水动力系数来源于该机构数十年的风洞与水
针对液化天然气浮式生产储卸系统(FLNG),为了解决水动力相互影响问题并且研究FLNG和LNGC旁靠外输连接系统的动力响应,本文考虑FLNG和LNGC双船体、船体和系泊系统的相互耦合作用,建立FLNG和LNGC双体水动力模型的时域数值仿真算法.通过与实验数据对比,对本文数值算法的正确性进行了验证.最后,分析不同系泊方案、缆绳预张力和刚度对卸料臂相对运动和系泊载荷的影响.通过研究发现非交叉式方案能够使得FLNG和LNGC的相互运动更加平稳,建议用于实际工程.此外,系泊缆绳预张力和刚度的增加在限制运动响应的同
本文以设有4个棱形B型独立液货舱的98000 m3超大型乙烷运输船(VLEC)为例,研究了液舱晃荡和船体运动的水动力耦合效应的数值求解方法,其中主要考虑了晃荡效应对附加质量、阻尼系数和回复刚度的影响,不计及波面翻卷和破碎等强非线性因素.采用三维线性势流理论计算船体外流场(波浪运动)和液舱内流场(流体晃荡),在频域内求解液舱晃荡与船体运动的耦合运动方程,对是否考虑晃荡效应两种情况下船体运动的传递函数和剖面载荷的长期预报极值进行了对比分析.同时,以船体最大横摇运动响应时的等效设计波作为激励输入,运用计算流体动
船舶主机功率是预测航行油耗、评估船舶废气排放中的一项重要数据.然而,未知的船舶主机功率数据对基于大数据的船舶油耗及排放预测产生了障碍.为了解决这一问题,本文提出基于高斯混合模型(GMM)和深度神经网络(DNN)的大型船舶主机功率预测方法.首先对船舶特征进行相关性分析,选择与主机功率相关系数较大的船舶特征作为GMM-DNN混合模型的输入,然后使用GMM对船舶特征进行聚类,将聚类结果作为标签和船舶特征一起作为DNN的输入,最后使用Adam-Dropout优化DNN,并用DNN对船舶功率进行预测.为了探究方法的
长期以来,对实际航行中冰载荷的精确测量一直没有得到很好的解决.为了更好地解决上述问题,本文提出了一种基于数据的冰荷载反演新方法.建立反演模型的训练数据由有限元计算生成,并进行了详细描述.采用改进的灰狼优化算法对LSTM网络结构进行优化,成功地训练出了一种有效的基于LSTM网络的冰荷载反演模型,并且通过具体算例对该方法的有效性进行了说明.“,”Precise measurement of ice loads in actual navigation has not been worked out well