基于Mask R-CNN实例分割的机械零件识别方法研究

来源：电子测量技术杂志2021年第22期北京时间：

作者：臧春华，周介祺，刘桂雄

单位：1.广东省珠海市质量计量监督检测所 广东 珠海 519060 2.华南理工大学 机械与汽车工程学院 广东 广州 510640

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。本文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：本文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%。并且本文方法可推广到其它具有相似特征目标的识别任务中。

关键词：目标识别;实例分割;深度学习;特征匹配

基金资助：广东省市场管理监督局项目(2021CZ17)、广东省重点领域研发计划项目(2019B010154003)资助