基于改进特征融合和区域生成网络的Mask R-CNN的管件分拣研究 |
| |
引用本文: | 韩慧妍,吴伟州,王文俊,韩燮.基于改进特征融合和区域生成网络的Mask R-CNN的管件分拣研究[J].应用科学学报,2023(5):840-854. |
| |
作者姓名: | 韩慧妍 吴伟州 王文俊 韩燮 |
| |
作者单位: | 1. 中北大学计算机科学与技术学院;2. 机器视觉与虚拟现实山西省重点实验室 |
| |
基金项目: | 山西省自然科学基金(No.202303021211153);;国家自然科学基金(No.62106238); |
| |
摘 要: | 针对管件分割任务中各类管件区分难度大,光线和阴影对分割精度存在干扰等问题,提出了一种改进的掩膜区域卷积神经网络(mask region-convolutional neural network,Mask R-CNN)的管件分拣算法。通过增加低层特征图以改进特征融合网络,提高小型管件的识别率;根据管件尺寸比例改进区域生长网络的生成框,以加快模型收敛速度;增加通道和空间注意力模块,提升管件识别精度及掩膜效果。将改进后的Mask R-CNN用于四类管件的分拣任务,实验结果表明,改进后Mask R-CNN的掩膜检测平均精度均值(mean average precision, mAP)和平均召回率(mean recall, mRecall)值分别提高了1.5%和1.7%,对管件位置、类型和尺寸的判别能力更强,能够满足实际生产中机器人分拣管件的精度要求。
|
关 键 词: | 管件分拣 低层特征 区域生成网络 混合注意力机制 实例分割 |
|