基于卷积神经网络的零件识别与分拣系统

针对工业领域的生产线零件分拣系统存在识别零件准确率较低的问题,在对原始图片进行背景减除、滤波、裁剪零件区域和尺寸调整的基础上,提出利用卷积神经网络,进行零件的识别分类。研究了卷积神经网络对各种姿态和不同光照条件下的零件识别准确率,同时搭建了一套机器人系统实现零件分拣任务。实验表明,卷积神经网络可以准确地识别各种零件,且对光照和姿态有较强的鲁棒性,对生产线零件分拣系统有一定的应用价值。