作者:陳金聖、陳世剛、Luis Cardenas、廖述政、林育信應用深度學習之半結構化環境物件分類與機械手臂持取系統
因應智能工廠之來臨，為了達成智能化物件持取流程，本文提出一高效率之演算法，並結合深度學習演算法，透過物件群集之特徵，解決多重類別物件在半結構化環境中之辨識與分類問題。本研究根據所需的物件建立訓練樣本，訓練深度學習網路，根據輸入的影像資訊，進行物件之識別與類別分類。最後為了要完成機械手臂持取任務，本文透過半結構性環境之約束條件，基於物件位置的估測來規劃持取位置，降低夾爪與其他物件碰撞的情形，提升持取的成功率。透過本文所提出之方法，未來可在無人工廠中，針對工作重複性較高的出入料區，透過機器視覺提供物件資訊，並使用機械手臂進行自動取放的工作，減少人工成本。