基于深度学习的杂乱场景下零件实例分割

• 作者: 王杨 李东年 陈成军 赵正旭
• 来源期刊: 组合机床与自动化加工技术
• 关键词: 零件实例分割 合成图像 杂乱场景 三维仿真
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 工艺与装备
• 页码范围: 118-121,125
• 页数: 5页
• 分类号: TH16|TG506
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2021.08.028

摘要

为了检测和分割箱盒内杂乱摆放的零件,同时针对卷积神经网络需要大量和高质量图像进行训练的问题,提出了一种基于零件合成训练集对Mask RCNN网络进行训练的方法.首先,利用三维仿真技术,通过OpenSceneGraph(OSG)和Bullet建立了杂乱场景零件训练集合成系统,生成大量的合成图像;其次,建立了三种不同的训练集,分别对Mask RCNN网络训练;最后,利用Kinect视觉传感器采集真实图像进行测试.实验证明,该方法的准确率为97％,可以对杂乱场景下的零件有效地进行检测和分割.