【摘 要】
：
针对我国竹垫人工组装劳动强度大、效率低的问题,提出一种基于改进YOLOv3深度卷积网络的竹垫智能装配方法,通过智能识别、定位、摆放和组装实现卡扣式竹垫的装配生产模式.YOLOv3深度卷积网络的改进包括:首先通过在原YOLOv3的特征提取网络Darknet-53中加入DenseNet密集型连接网络结构,提高特征提取能力;再根据实际检测需求减少网络预测尺度,提升检测精度;最后采用K-means聚类算法对YOLOv3中的初始锚点框参数进行优化,以加快识别速度.笔者还设计了试验机进行装配生产试验.该试验机使用CC
【机 构】
：
华南农业大学工程学院,广州510642
论文部分内容阅读
针对我国竹垫人工组装劳动强度大、效率低的问题,提出一种基于改进YOLOv3深度卷积网络的竹垫智能装配方法,通过智能识别、定位、摆放和组装实现卡扣式竹垫的装配生产模式.YOLOv3深度卷积网络的改进包括:首先通过在原YOLOv3的特征提取网络Darknet-53中加入DenseNet密集型连接网络结构,提高特征提取能力;再根据实际检测需求减少网络预测尺度,提升检测精度;最后采用K-means聚类算法对YOLOv3中的初始锚点框参数进行优化,以加快识别速度.笔者还设计了试验机进行装配生产试验.该试验机使用CCD相机采集不同图案的竹垫样品图像,对竹垫样品图像进行识别定位处理,获得目标竹垫零件的位置和颜色信息,然后控制摆放系统对目标竹垫零件进行吸取摆放,再启动传送机构输送竹垫零件,最后通过组装系统实现对目标竹垫零件的组装,实现了竹垫检测、摆放、传送、组装自动化.试验结果表明,视觉系统在GPU和CPU下识别定位竹垫零件的平均时间为16.7和105.3 ms,识别均值平均精度MAP为99.86％,平均组装一行竹垫零件的时间为24.63 s,验证了本方法的可行性.
其他文献
对来源于Thermoanacrobacterium thermosaccharolyticum的糖苷水解酶39家族的β-木糖苷酶基因Tt-xyl39进行了重组表达和酶学性质的研究,为新型β-木糖苷酶的研发及应用奠定基础.通过比对T.thermosaccharolyticum 571的全基因组序列,从中克隆出一个新型β-木糖苷酶基因Tt-xyl39,并实现了在大肠杆菌Escherichia coli BL21(DE3)中的成功表达.通过Ni-NTA亲和柱层析纯化,得到纯化后的β-木糖苷酶TtGH39.该酶最
引入高分子量、高支化度以及端基为尿素的高支化聚脲(HBPU)用于低摩尔比脲醛树脂(UF)改性,利用HBPU与游离甲醛的反应以及与UF组分的共缩聚反应实现树脂耐水性能的提升和人造板甲醛释放量的降低,有效平衡胶合性能和甲醛释放量之间的矛盾.在无溶剂、无催化剂条件下,通过尿素(U)与三(2-氨基乙基)胺(TAEA)的脱氨缩合反应,一步合成了具有尿素端基的HBPU,并对HBPU的分子量分布和结构进行了表征.使用HBPU水溶液,采用UF合成反应后期加入和共混2种方法对UF进行改性,通过胶合板性能测试以及甲醛释放量测
振动筛作为刨花筛选工序中占有量最多的筛分机械,其结构强度、刚度决定了整个振动筛设备的工作性能.针对BF142型刨花振动筛筛箱支撑主梁容易发生裂纹破坏、使用寿命短等问题,采用SolidWorks三维建模和ANSYS有限元仿真分析方法,对BF142型刨花振动筛进行模态分析以及瞬态动力学分析,并应用动态测试装置测试筛体在正常工况下的动态应力应变情况.模态分析结果表明,振动筛工作频率避开了振动筛固有频率,工作过程中不会发生共振现象.通过比对瞬态动力学分析结果与试验测试结果发现,应变平均绝对误差为2.6με,仿真结
生物质多元醇液化产物与异氰酸酯等反应可制备硬质聚氨酯泡沫材料,而该类材料存在力学性能低、脆性大等缺点,使其应用领域受到限制.以沙柳多元醇液化产物为原料,与异氰酸酯(MDI)等共聚制备沙柳液化产物/异氰酸酯硬质泡沫材料(RPUF),研究添加不同质量分数交联剂三乙醇胺(TEOA)对RPUF物理力学、化学结构和热学特性的影响.结果表明:添加三乙醇胺可促进酯化反应生成更多的氨基甲酸酯基,并促进C=O分子链延伸振动.冲击强度和压缩强度随三乙醇胺添加量的增加呈先增大后减小的变化趋势,添加质量分数为2％时达到最大值,分
以南京地铁7号线中胜站全断面承压含水砂层MJS加固下穿既有运营10号线车站工程为背景,基于试桩芯样对MJS水泥土试桩成桩效果进行研究,研究不同桩型、不同水泥掺入比、不同地层下各部位MJS水泥土试桩的成桩效果(加固范围、成桩质量、抗压强度、弹性模量、水泥含量),并与室内MJS水泥土强度数据比较.结果表明:全圆桩整体成桩效果优于半圆桩,断面上部芯样强度最大,中部次之,下部最小;半圆桩50％掺入比成桩效果最佳,60％次之,45％最差,断面中部芯样强度最大,上部次之,下部最小;芯样强度与弹性模量随掺入比增加而增大
长时间序列遥感影像分类是研究区域自然资源和土地利用时空变迁的重要基础.传统的区域长时序遥感影像分类,需要逐景影像选取样本进行分类,存在样本复用性低、人工工作繁复等问题;而迁移学习作为一种将已有知识应用到不同任务中的机器学习方法,可以实现遥感影像特征信息的重复利用.但长时序遥感影像由于时间跨度和物候等差异,地物光谱存在不稳定性,样本的特征信息在长时间跨度、不同物候的遥感影像中的复用效果会受到影响,而关于影响的范围和程度目前尚缺乏系统性研究.本研究以河南省济源市为研究区,使用Landsat长时序遥感影像,基于
为了提高松材线虫病树的监测效率,减少其对林业生产造成的损失,提出一种基于多特征提取与注意力机制深度学习的高分辨率影像松材线虫病树识别方法.该方法首先在高分辨率遥感影像上提取松材线虫病树的光谱特征、空间特征等多特征,然后进行Relief特征选择算法,取特征权重前8个特征进行病树识别,发现选择差值植被指数DVI(difference vegetation index)、OHTA颜色模型的I2和I3分量作为病树与非病树的光谱特征较为合适,再运用DBscan空间聚类算法对光谱特征识别结果进行聚类,得到疑似病树像元
实木定制家具市场正在逐步扩大,柔性生产能满足市场的个性需求,标准化设计是实现柔性生产的前提,也是实现自动化、工业化、智能化生产的关键.以M企业的93款实木定制柜门设计生产现状入手,在分析现有问题(产品体系复杂导致零件难以互换、设计和生产信息传递存在壁垒)的基础上提出了构建标准化的设计平台.平台步骤包括健全柜门产品信息数据(5项资料的输入构成完善的前段数据来源)、搭建软件设计和拆单环境(制定数据库和柜门的拆分准则满足参数化设计需求)、加强柜门数据的处理速度与资料输出完整度(软件内部尺寸结构约束和图表制作与输
零件排样,是指在一定规格的原料板材上,按照一定规则排布若干个不同尺寸规格的零件,在满足订单配套和切割要求的前提下,达到一定的优化目标.本研究以定制家具的零件排样问题为对象,根据定制家具零件排样生产的实际情况,将零件排样问题与蚁群算法(ACA)结合,以最优化原材料利用率为目标构建批次订单排样的数学模型,搜索得到批次零件的排样方案,实现定制家具订单的批次排样问题优化.本研究基于定制家具零件的生产特点,给出结合矩形零件排样问题研究的蚁群算法中节点、启发式信息、信息素的定义并对路径的构建和信息素的更新规则进行说明
为探寻深度学习模型在区域参考作物蒸散量(Reference crop evapotranspiration,ET0)估算中的适用性,以山东省为研究区域,选取了深度神经网络(DNN)、时间卷积神经网络(TCN)和长短期记忆神经网络(LSTM)3种深度学习模型,极限学习机模型(ELM)、广义回归神经网络模型(GRNN)和随机森林模型(RF)3种传统机器学习模型,Hargreaves-Samani模型(HS)、Droogres-Allen模型(DA)、Priestley-Tayor模型(PT)、Marrink模