结合深度学习与生物特征识别在冷链拣选中的算法研究

Abstract

机器人对食品的抓取、拣选是工业自动化中的一个常见问题，但是食品通常形状不规则、特征多变，导致快速、稳定的视觉分析与定位较为困难。提出了一种结合深度学习与生物特征识别的目标点定位方法，首先使用深度学习模型对目标点进行粗定位，之后在粗定位点的邻域中，利用生物特征进行微调，得到精准的目标点坐标。所设计的方法在常见食品——虾的数据上进行了模型训练与性能验证。首先将虾的图像进行预处理后输入深度学习模型得到粗定位点，之后对虾的位姿进行归一化并提取轮廓线，基于对搜索域内的轮廓拟合与特征点检测以精确定位目标点。实验结果证明了该方法的有效性：在包含 1000 张实测样本的测试集上，整体方案的识别率达到97%，可初步满足实际工业应用的要求。

Keywords

• 机器视觉
• 食品拣选
• 深度学习
• 特征识别