【技术实现步骤摘要】
本专利技术属于机器人目标识别，具体地，涉及一种基于轻量化神经网络的目标零件抓取方法、存储介质及设备。
技术介绍
1、随着机器人控制技术和互联网技术的发展，利用无线远程控制机器人成为机器人远程控制的一种新方式。目前机器人上料技术是选用机器人作为控制单元的研究对象，通过对机器人—视觉的坐标变换进行算法研究，将摄像头采集到的工件信息转换成机器人可识别的机器人坐标，利用视觉软件捕获工件的图像信息，然后设计码垛算法进行坐标标定。通过示教器编写指令程序实现机器人对工件的抓取并按照要求进行码垛摆放。该技术在控制端灵活性不足，识别精度较低，且一旦零件位置倾斜或者零件数量较多发生堆叠，则无法识别。
2、而基于yolo v8等大型深度神经网络的识别算法或三维重构算法虽然有较好的识别精度，但是大型深度神经网络和三维重构算法在实际部署时需要依赖及其昂贵的高性能服务器或专用工控机、三维摄像头，且无法适配于一些设备老旧的生产线，极大限制了现有生产线的升级。
技术实现思路
1、针对现有技术中存在的问题，本专...
【技术保护点】
1.一种基于轻量化神经网络的目标零件抓取方法，其特征在于，具体包括如下步骤：
2.根据权利要求1所述的一种基于轻量化神经网络的目标零件抓取方法，其特征在于，步骤2中优化照片的尺寸参数的具体过程为：
3.根据权利要求1所述的一种基于轻量化神经网络的目标零件抓取方法，其特征在于，所述可变式轻量化神经网络结构由多个不同尺度的特征提取层、一个全平均池化层和一个全连接层依次连接组成。
4.根据权利要求3所述的一种基于轻量化神经网络的目标零件抓取方法，其特征在于，步骤3中多个不同尺度的特征提取层用于提取尺寸优化的照片中的特征，获取特征图；所述全...
【技术特征摘要】
1.一种基于轻量化神经网络的目标零件抓取方法，其特征在于，具体包括如下步骤：
2.根据权利要求1所述的一种基于轻量化神经网络的目标零件抓取方法，其特征在于，步骤2中优化照片的尺寸参数的具体过程为：
3.根据权利要求1所述的一种基于轻量化神经网络的目标零件抓取方法，其特征在于，所述可变式轻量化神经网络结构由多个不同尺度的特征提取层、一个全平均池化层和一个全连接层依次连接组成。
4.根据权利要求3所述的一种基于轻量化神经网络的目标零件抓取方法，其特征在于，步骤3中多个不同尺度的特征提取层用于提取尺寸优化的照片中的特征，获取特征图；所述全平均池化层用于将特征图进行压缩取平均值；所述全连接层用于将压缩取平均值的特征图通过全连接层中的分类器预测目标零件被抓取的概率值。
5.根据权利要求1所...
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。