一种基于深度学习的零件分拣识别系统和方法
基本信息
| 申请号 | CN202210066125.9 | 申请日 | - |
| 公开（公告）号 | CN114494773A | 公开（公告）日 | 2022-05-13 |
| 申请公布号 | CN114494773A | 申请公布日 | 2022-05-13 |
| 分类号 | G06V10/764（2022.01）I;G06V10/82（2022.01）I;G06K9/62（2022.01）I;G06N3/08（2006.01）I;G06N20/00（2019.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 李元旖;许剑新;褚健;杨根科;王宏武 | 申请（专利权）人 | 上海交通大学宁波人工智能研究院 |
| 代理机构 | 上海剑秋知识产权代理有限公司 | 代理人 | - |
| 地址 | 315012浙江省宁波市南门街道南站西路29号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习的零件分拣识别系统和方法，涉及计算机视觉和零件分拣领域，所述系统包括：训练模块和应用模块，在训练模块中建立模型，并将模型应用到应用模块中获得识别结果并将识别结果输出。训练模块包括：合成图像制作模块、实际图像采集模块、数据集生成模块、深度学习模块，其中，深度学习模块与数据集生成模块连接，接收训练集和验证集，并构建深度学习模型，包括目标识别网络和域自适应网络，目标识别网络用于特征的提取、对象的分类以及候选框的生成；域自适应网络用于对齐源域和目标域中图像的特征。 |
