【技术实现步骤摘要】
一种基于深度学习的柔性压力传感阵列图的识别方法
[0001]本专利技术涉及图像识别
,尤其是涉及一种基于深度学习的柔性压力传感阵列图的识别方法。
技术介绍
[0002]物体与物体间相互接触而产生的作用力在许多工业领域具有非常重要的作用。与一般类型的传感器不同的是,柔性压力传感阵列可以检测出柔性—柔性以及柔性—刚性相接触的作用力。柔性压力传感阵列不但拥有普通传感器的特点,而且具有轻薄、柔软、可弯曲等特点。柔性压力传感阵列可以在弯曲状态下检测出接触作用力的大小与分布信息,尤其是在一些曲面或者非平面形状的接触力检测中,具有较好的效果,并且已广泛应用在很多领域。
[0003]目前现有的柔性压力阵列信息的采集与检测方面的研究,大多是基于足底压力或者握力压力的,这种类型压力的信息数值一般较大,如果在感知、采集或者预测压力信息时存在误差,则误差对整体信息的处理影响不大,作用不明显。而服装对人体产生的压力属于微小的压力信息,也称为微力,因为服装和人体都是柔性体曲面,两个柔性体相互接触时,产生的是轻微的压力信息,这种类型的压力信息数值较小;在处理微小的压力信息的时候,感知、重构或者预测压力信息产生的误差,对整体信息的获取影响很大,作用非常明显,这就导致了柔性压力阵列处理人体服装这种数值微小的压力信息时,感知、重构和预测的难度远远高于足底或者握力这种数值较大的压力信息。
[0004]惠文珊等人(惠文珊,李会军,陈萌,等.基于CNN
‑
LSTM的机器人触觉识别与自适应抓取控制[J].仪器仪表学报,2 ...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的柔性压力传感阵列图的识别方法,其特征在于:该方法包括下列步骤:(1)、将柔性压力传感器贴合于机械手的各个关节点上,利用机械手抓取物体,并采集若干柔性压力传感阵列图,若干柔性压力传感阵列图组成训练集;(2)、根据步骤(1)得到的训练集,将训练集输入到深度卷积生成对抗网络中生成若干柔性压力传感阵列图样本,由若干柔性压力传感阵列图样本组成验证集;(3)、利用卷积神经网络模型并引入注意力机制的方式对步骤(1)中得到的训练集和步骤(2)中得到的验证集进行训练,得到训练后的最优网络模型;其具体过程为:(3
‑
1)、采用Vgg16网络模型和Resnet152网络模型,将步骤(1
‑
1)中形成的训练集分别输入到Vgg16网络模型和Resnet152网络模型中,对Vgg16网络模型和Resnet152网络模型进行预训练,得到预训练后的Vgg16神经网络模型和预训练后的Resnet152神经网络模型;(3
‑
2)、将步骤(1)中的验证集分别导入到步骤(3
‑
1)中得到的预训练后的Vgg16神经网络模型和预训练后的Resnet152神经网络模型中进行模型特征融合;(3
‑
3)、经过特征融合后再引入注意力机制,得到引入注意力机制后的深度学习网络模型;(3
‑
4)、将步骤(1)形成的训练集和步骤(2)形成的验证集均输入到步骤(3
‑
3)中得到的引入注意力机制后的深度学习网络模型中进行训练,得到训练后的最优网络模型;(4)、利用机械手抓取不同的物体形成柔性压力传感阵列图,将形成的柔性压力传感阵列图输入到最优网络模型中进行实时识别。2.根据权利要求1所述的一种基于深度学习的柔性压力传感阵列图的识别方法,其特征在于:在步骤(1)中,利用机械手抓取物体,并采集若干柔性压力传感阵列图的具体过程为:选取若干类日常可见的物体,采用机械手对每一个物体进行抓取,针对同类物体,采用机械手抓取同类物体不同的部位,从而形成若干柔性压力传感阵列图。3.根据权利要求2所述的一种基于深度学习的柔性压力传感阵列图的识别方法,其特征在于:在步骤(1)中,在采集若干柔性压力传感阵列图之后,还包括:按照相同物体归属于同一类的方式对形成的柔性压力传感阵列图进行分类并打上标签,标签为各类物体的名称,带有标签的若干柔性压力传感阵列图组成训练集。4.根据权利要求3所述的一种基于深度学习的柔性压力传感阵列图的识别方法,其特征在于:在步骤(2)中,在生成若干柔性压力传感阵列图样本之后,还包括:对已生成的若干柔性压力传感阵列图样本打上标签,标签为各类物体的名称,由若干打上标签的柔性压力传感阵列图样本组...
【专利技术属性】
技术研发人员:尚杰,凌章瑾,李润伟,汪松,胡振宇,王璕,
申请(专利权)人:中国科学院宁波材料技术与工程研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。