基于深度学习的工业分拣机器人快速视觉识别与定位算法

来源：机器人杂志2016年第6期北京时间：

作者：伍锡如, 黄国明, 孙立宁

摘要：针对工业分拣机器人识别复杂工件慢、精确度低以及定位不准等问题，提出一种基于深度学习的快速识别定位算法．通过工业高精度相机获取目标图像信息，经过图像灰度化、图像滤波、Otsu二值化处理，再经边界像素检测算法定位并分割目标图像．运用已训练的深度卷积神经网络（CNN）对目标进行识别，得到目标所在的位置坐标以及所属类别，实现工业机器人分拣．实验测试中以纹路复杂的象棋为例进行定位识别，结果表明定位算法误差小于0．8 mm，最快识别速度达0．049秒/个，在实验环境中识别精度能保持在98%以上，表明算法具备良好的准确性和稳定性．

关键词：深度学习, 卷积神经网络, 视觉识别, 定位算法, 工业分拣机器人