今日要聞
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
推薦展會(huì)
更多 > >
-
-
地點(diǎn)： 上海市 開(kāi)展時(shí)間： 2026-06-02 舉辦單位： 工業(yè)和信息化部國(guó)際經(jīng)濟(jì)技術(shù)合作中心、勵(lì)展博覽集團(tuán) -
地點(diǎn)： 廣州市 開(kāi)展時(shí)間： 2026-06-04 舉辦單位： 中小企業(yè)合作發(fā)展促進(jìn)中心、廣東省食品和包裝機(jī)械行業(yè)協(xié)會(huì)、廣州市億帆展覽服務(wù)有限公司
讓機(jī)器人抓蝦不抓瞎！
【塑料機(jī)械網(wǎng) 技術(shù)學(xué)堂】顛覆性創(chuàng)新技術(shù)不但是投資者追逐的風(fēng)口，更是實(shí)業(yè)者努力創(chuàng)造的現(xiàn)實(shí)。走過(guò)130年創(chuàng)新路，ABB繼續(xù)在數(shù)字化浪潮中御風(fēng)而行，通過(guò)自有實(shí)驗(yàn)室實(shí)現(xiàn)了眾多技術(shù)突破，同時(shí)攜手新興科技領(lǐng)域翹楚，致力于開(kāi)放式創(chuàng)新。
人工智能、深度學(xué)習(xí)、邊緣計(jì)算、數(shù)字孿生、Factory 2.0……熱詞頻現(xiàn)，數(shù)字化技術(shù)與各行業(yè)的交匯將產(chǎn)生什么化學(xué)反應(yīng)？數(shù)據(jù)與算法將如何賦能新制造，重新定義未來(lái)工廠？近期，我們將集中介紹ABB新的科研成果和應(yīng)用案例，跟我們一起來(lái)探尋這些熱詞背后的真相吧！
機(jī)器人抓蝦？
到底有多難？
在食品加工領(lǐng)域，機(jī)器人對(duì)食品的抓取、揀選是實(shí)現(xiàn)自動(dòng)化中的一個(gè)常見(jiàn)問(wèn)題，需要實(shí)時(shí)、的圖像識(shí)別技術(shù)，但食品通常形狀不規(guī)則、特征多變，導(dǎo)致快速、穩(wěn)定的視覺(jué)分析與定位較為困難。
以食物中常見(jiàn)的蝦為例——目前在工廠的自動(dòng)剝蝦生產(chǎn)線上，有一個(gè)關(guān)鍵環(huán)節(jié)未能實(shí)現(xiàn)自動(dòng)化——對(duì)于蝦身的抓取與放置，目前仍然完全由人工操作，極大地限制了生產(chǎn)線的速度、精度、穩(wěn)定性與生產(chǎn)效率，而且工作本身枯燥無(wú)味，浪費(fèi)人力與時(shí)間。
在自動(dòng)化方案中，核心是視覺(jué)系統(tǒng)與機(jī)器人的配合動(dòng)作。視覺(jué)系統(tǒng)單元對(duì)流水線上移動(dòng)的蝦身進(jìn)行實(shí)時(shí)拍攝，同時(shí)內(nèi)置算法識(shí)別出目標(biāo)點(diǎn)位置，并引導(dǎo)機(jī)器人進(jìn)行抓取與放置，從而替代人工操作，實(shí)現(xiàn)整條生產(chǎn)線的全自動(dòng)化。
▲自動(dòng)化揀選方案示意圖
而在實(shí)際應(yīng)用中，由于蝦的形態(tài)各異，對(duì)人來(lái)說(shuō)十分簡(jiǎn)單的識(shí)別任務(wù)，對(duì)于傳統(tǒng)的圖像特征提取算法就變得非常困難。面對(duì)形態(tài)各異、尺寸不一，紋理顏色等特征也不同的蝦，單一的圖像處理方法只能準(zhǔn)確識(shí)別部分樣本的關(guān)節(jié)點(diǎn)，很難達(dá)到工業(yè)應(yīng)用的高精度要求，而一個(gè)好的解決方案不僅要能滿足工業(yè)應(yīng)用的精度要求，還需要將識(shí)別失敗樣本的誤差控制在穩(wěn)定范圍內(nèi)，便于工廠的后續(xù)處理。
▲待識(shí)別的目標(biāo)關(guān)節(jié)點(diǎn)
人工智能及圖像處理領(lǐng)域的科研發(fā)展，例如用于圖像識(shí)別的深度學(xué)習(xí)算法，為解決這一問(wèn)題提供了新的思路。但是，深度學(xué)習(xí)算法在較復(fù)雜的圖像數(shù)據(jù)、精度要求較高的識(shí)別任務(wù)上往往性能不夠高，如果直接使用，很難同時(shí)滿足工業(yè)上的實(shí)時(shí)性要求與通常超過(guò)95%的精度要求。
視覺(jué)定位難題怎么破？
ABB的研究人員提出結(jié)合深度學(xué)習(xí)與生物特征識(shí)別的目標(biāo)點(diǎn)定位方法，并在實(shí)際數(shù)據(jù)上進(jìn)行了模型訓(xùn)練與性能驗(yàn)證。首先將蝦的圖像進(jìn)行預(yù)處理后輸入深度學(xué)習(xí)模型得到粗定位點(diǎn)，之后對(duì)蝦的位姿進(jìn)行歸一化并提取輪廓線，基于對(duì)搜索域內(nèi)的輪廓擬合與特征點(diǎn)檢測(cè)以定位目標(biāo)點(diǎn)。
▲基于深度學(xué)習(xí)與生物特征的目標(biāo)點(diǎn)識(shí)別方法
通過(guò)在蝦的實(shí)測(cè)數(shù)據(jù)上進(jìn)行建模與測(cè)試，發(fā)現(xiàn)深度學(xué)習(xí)模型較難直接給出的目標(biāo)點(diǎn)位置，但可以提供與目標(biāo)點(diǎn)較接近的粗定位點(diǎn)，從而得到能涵蓋目標(biāo)點(diǎn)的搜索域。之后利用生物特征識(shí)別，基于輪廓線提取與擬合，可以在此搜索域內(nèi)地定位目標(biāo)點(diǎn)。
實(shí)驗(yàn)結(jié)果證明了該方法的有效性：在包含1000張實(shí)測(cè)樣本的測(cè)試集上，整體方案的識(shí)別率達(dá)到97.2%，可初步滿足實(shí)際工業(yè)應(yīng)用的要求。
熱詞解析之「深度學(xué)習(xí)」
深度學(xué)習(xí)是一種可以自動(dòng)學(xué)習(xí)到不同尺度的數(shù)據(jù)特征的方法。這些特征可以用于模式識(shí)別或數(shù)據(jù)分類等任務(wù)。譬如下圖，顯示了來(lái)自深度學(xué)習(xí)網(wǎng)絡(luò)各層的特征樣例——隨著網(wǎng)絡(luò)深度的增加，各層的特征圖呈現(xiàn)了越來(lái)越高尺度的圖像特征。較深的網(wǎng)絡(luò)層可以學(xué)習(xí)到人眼可識(shí)別的特征，如一張臉。為了提取到合適的數(shù)據(jù)特征，深度網(wǎng)絡(luò)可能需要含有數(shù)十個(gè)甚至上百個(gè)隱含層。
出現(xiàn)的圖像越來(lái)越有意義——所示只是深度網(wǎng)絡(luò)所提取的一小部分特征圖，它們展示了如何通過(guò)深度學(xué)習(xí)收集有意義的視覺(jué)信息
深度學(xué)習(xí)的本質(zhì)是深層的人工神經(jīng)網(wǎng)絡(luò)(一種機(jī)器學(xué)習(xí)算法)。傳統(tǒng)上，由于神經(jīng)網(wǎng)絡(luò)算法的缺點(diǎn)、訓(xùn)練數(shù)據(jù)不足或缺乏計(jì)算能力，神經(jīng)網(wǎng)絡(luò)只有淺層學(xué)習(xí)能力。但近這種情況實(shí)現(xiàn)了完全逆轉(zhuǎn)，使更多層網(wǎng)絡(luò)的訓(xùn)練變得可行。連續(xù)的隱含層越多，網(wǎng)絡(luò)便越深入。因此，稱之為“深度學(xué)習(xí)”。
在大多數(shù)傳統(tǒng)的機(jī)器學(xué)習(xí)方法中，原始數(shù)據(jù)不會(huì)被自動(dòng)處理。通常，其處理過(guò)程需要基于大量的行業(yè)知識(shí)來(lái)手動(dòng)設(shè)計(jì)某些特征提取方法。
相反地，深度學(xué)習(xí)將原始數(shù)據(jù)作為輸入，并自動(dòng)查找進(jìn)行模式識(shí)別或分類所需的特征。這種自動(dòng)學(xué)習(xí)特征的能力使深度學(xué)習(xí)方法在各種普遍情況下非常有用。
找到適當(dāng)?shù)纳窠?jīng)網(wǎng)絡(luò)結(jié)構(gòu)和識(shí)別決定網(wǎng)絡(luò)訓(xùn)練性能的參數(shù)仍然是一個(gè)挑戰(zhàn)。此外，理解深度學(xué)習(xí)模型學(xué)習(xí)了哪些特征并不容易。另外，與所有機(jī)器學(xué)習(xí)模型一樣，深度學(xué)習(xí)模型也容易受到精心設(shè)計(jì)的輸入的影響，它們可能導(dǎo)致模型產(chǎn)生錯(cuò)誤推論。這些主題是當(dāng)前深度學(xué)習(xí)研究工作的重點(diǎn)。
近，深度學(xué)習(xí)在執(zhí)行圖像和語(yǔ)音識(shí)別等任務(wù)方面已取得巨大成功。深度學(xué)習(xí)的潛在影響不可低估，因?yàn)樗鼘⒂绊懺S多行業(yè)，并將為整個(gè)社會(huì)帶來(lái)顯著變化。
深度學(xué)習(xí)增強(qiáng)了圖像識(shí)別功能，使工業(yè)機(jī)器人(如圖中所示的ABB YuMi)能夠執(zhí)行更復(fù)雜的任務(wù)
案例作者
ABB未來(lái)實(shí)驗(yàn)室陳妮亞、阮佳陽(yáng)、黃金苗
上海ABB工程有限公司楊偉
熱詞作者
ABB集團(tuán)研究中心 Divya Shee
版權(quán)與免責(zé)聲明： 凡本網(wǎng)注明"來(lái)源:塑料機(jī)械網(wǎng)”的所有作品，均為浙江興旺寶明通網(wǎng)絡(luò)有限公司-塑料機(jī)械網(wǎng)合法擁有版權(quán)或有權(quán)使用的作品，未經(jīng)本網(wǎng)授權(quán)不得轉(zhuǎn)載、摘編或利用其它方式使用上述作品。已經(jīng)本網(wǎng)授權(quán)使用作品的，應(yīng)在授權(quán)范圍內(nèi)使用,并注明“來(lái)源:塑料機(jī)械網(wǎng)m.ifangze.com" 。違反上述聲明者，本網(wǎng)將追究其相關(guān)法律責(zé)任。
本網(wǎng)轉(zhuǎn)載并注明自其它來(lái)源(非塑料機(jī)械網(wǎng)m.ifangze.com)的作品，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點(diǎn)或和對(duì)其真實(shí)性負(fù)責(zé),不承擔(dān)此類作品侵權(quán)行為的直接責(zé)任及連帶責(zé)任。其他媒體、網(wǎng)站或個(gè)人從本網(wǎng)轉(zhuǎn)載時(shí)，必須保留本網(wǎng)注明的作品第一來(lái)源，負(fù)版權(quán)等法律責(zé)任。
猜你喜歡
所有評(píng)論僅代表網(wǎng)友意見(jiàn)，與本站立場(chǎng)無(wú)關(guān)。