基于改进YOLOv3深度卷积网络的竹垫智能装配方法

针对我国竹垫人工组装劳动强度大、效率低的问题,提出一种基于改进YOLOv3深度卷积网络的竹垫智能装配方法,通过智能识别、定位、摆放和组装实现卡扣式竹垫的装配生产模式.YOLOv3深度卷积网络的改进包括:首先通过在原YOLOv3的特征提取网络Darknet-53中加入DenseNet密集型连接网络结构,提高特征提取能力;再根据实际检测需求减少网络预测尺度,提升检测精度;最后采用K-means聚类算法对YOLOv3中的初始锚点框参数进行优化,以加快识别速度.笔者还设计了试验机进行装配生产试验.该试验机使用CCD相机采集不同图案的竹垫样品图像,对竹垫样品图像进行识别定位处理,获得目标竹垫零件的位置和颜色信息,然后控制摆放系统对目标竹垫零件进行吸取摆放,再启动传送机构输送竹垫零件,最后通过组装系统实现对目标竹垫零件的组装,实现了竹垫检测、摆放、传送、组装自动化.试验结果表明,视觉系统在GPU和CPU下识别定位竹垫零件的平均时间为16.7和105.3 ms,识别均值平均精度MAP为99.86％,平均组装一行竹垫零件的时间为24.63 s,验证了本方法的可行性.