基于Mask R-CNN实例分割的机械零件识别方法研究

• 作者: 臧春华 周介祺 刘桂雄
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 目标识别 实例分割 深度学习 特征匹配
• 年，卷（期）: 2021,（22）
• 所属期刊栏目: 研究与设计|Research and Design
• 页码范围: 32-36
• 页数: 5页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2108409

摘要

零件识别是机械部件装配、装箱的重要基础,人工识别效率低,传统机器视觉检测要求高、场景单一.提出一种基于深度学习机器视觉的机械零件识别方法,通过加入PointRend模块提升原始Mask R-CNN实例分割模型的检测精度;针对相似度高零件设计类别细分方法,通过尺寸估算与特征匹配,较好地解决由于数据增强图像缩放造成的尺寸特征丢失问题.采集25种不同零件进行识别实验,结果表明,该方法可有效提升机械零件的识别准确率,算法对相似零件识别准确率达100％,较原始Mask R-CNN方法提升11.51％.并且该方法可推广到其他具有相似特征目标的识别任务中.