目錄
前言
第1章緒論1
1.1裝配監(jiān)測(cè)的意義1
1.2裝配監(jiān)測(cè)的研究現(xiàn)狀2
1.2.1裝配監(jiān)測(cè)2
1.2.2動(dòng)作識(shí)別3
1.2.3圖像變化檢測(cè)7
1.2.4位姿估計(jì)9
1.2.5深度學(xué)習(xí)網(wǎng)絡(luò)模型部署11
1.3本書(shū)主要內(nèi)容12
第2章卷積神經(jīng)網(wǎng)絡(luò)與Transformer模型理論基礎(chǔ)14
2.1卷積神經(jīng)網(wǎng)絡(luò)14
2.1.1卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)14
2.1.2卷積神經(jīng)網(wǎng)絡(luò)主要模塊16
2.1.3卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程18
2.2Transformer模型19
2.3深度學(xué)習(xí)網(wǎng)絡(luò)框架及部署工具20
2.3.1深度學(xué)習(xí)網(wǎng)絡(luò)框架20
2.3.2部署工具20
2.4本章小結(jié)21
第3章基于深度學(xué)習(xí)的裝配動(dòng)作識(shí)別22
3.1基于表面肌電信號(hào)和慣性信號(hào)的裝配動(dòng)作識(shí)別方法22
3.1.1裝配動(dòng)作識(shí)別流程22
3.1.2信號(hào)采集23
3.1.3信號(hào)預(yù)處理24
3.1.4基于通道注意力時(shí)空特征的卷積神經(jīng)網(wǎng)絡(luò)26
3.1.5實(shí)驗(yàn)環(huán)境參數(shù)設(shè)置及評(píng)價(jià)指標(biāo)28
3.1.6模型實(shí)驗(yàn)驗(yàn)證29
3.2基于注意力機(jī)制和多尺度特征融合動(dòng)態(tài)圖卷積網(wǎng)絡(luò)的裝配動(dòng)作識(shí)別方法32
3.2.1基于注意力機(jī)制和多尺度特征融合的動(dòng)態(tài)圖卷積網(wǎng)絡(luò)33
3.2.2數(shù)據(jù)集的制作37
3.2.3實(shí)驗(yàn)結(jié)果與分析39
3.3基于視頻幀運(yùn)動(dòng)激勵(lì)聚合和時(shí)序差分網(wǎng)絡(luò)的裝配動(dòng)作識(shí)別方法45
3.3.1運(yùn)動(dòng)激勵(lì)聚合和時(shí)序差分網(wǎng)絡(luò)45
3.3.2數(shù)據(jù)集的制作50
3.3.3實(shí)驗(yàn)結(jié)果與分析50
3.4本章小結(jié)56
第4章基于深度學(xué)習(xí)的機(jī)械裝配體多視角變化檢測(cè)與位姿估計(jì)57
4.1基于深度圖像注意力機(jī)制特征提取的機(jī)械裝配體多視角變化檢測(cè)方法57
4.1.1基于深度圖像注意力機(jī)制特征提取的多視角變化檢測(cè)網(wǎng)絡(luò)57
4.1.2數(shù)據(jù)集的制作62
4.1.3實(shí)驗(yàn)環(huán)境與指標(biāo)選取64
4.1.4實(shí)驗(yàn)結(jié)果與分析65
4.2基于三維注意力和雙邊濾波的機(jī)械裝配體多視角變化檢測(cè)方法70
4.2.1基于三維注意力和雙邊濾波的變化檢測(cè)網(wǎng)絡(luò)70
4.2.2數(shù)據(jù)集的制作74
4.2.3實(shí)驗(yàn)環(huán)境和指標(biāo)選取75
4.2.4實(shí)驗(yàn)結(jié)果與分析76
4.3基于深度學(xué)習(xí)的機(jī)械裝配體零件多視角位姿估計(jì)方法79
4.3.1機(jī)械裝配體零件多視角位姿估計(jì)網(wǎng)絡(luò)79
4.3.2DenseFusion位姿估計(jì)網(wǎng)絡(luò)79
4.3.3數(shù)據(jù)集的制作82
4.3.4實(shí)驗(yàn)環(huán)境與指標(biāo)選取84
4.3.5實(shí)驗(yàn)結(jié)果與分析84
4.4本章小結(jié)86
第5章基于Transformer的機(jī)械裝配體多視角變化檢測(cè)與裝配順序監(jiān)測(cè)87
5.1基于深度可分離卷積的特征融合和特征細(xì)化的機(jī)械裝配體多視角變化檢測(cè)方法87
5.1.1基于深度可分離卷積的特征融合和特征細(xì)化的多視角變化檢測(cè)網(wǎng)絡(luò)87
5.1.2數(shù)據(jù)集的制作90
5.1.3實(shí)驗(yàn)環(huán)境與指標(biāo)選取91
5.1.4實(shí)驗(yàn)結(jié)果和分析92
5.2基于機(jī)械裝配體圖像多視角語(yǔ)義變化檢測(cè)的裝配順序監(jiān)測(cè)方法96
5.2.1裝配順序監(jiān)測(cè)方法96
5.2.2數(shù)據(jù)集的制作102
5.2.3實(shí)驗(yàn)環(huán)境與指標(biāo)選取104
5.2.4實(shí)驗(yàn)對(duì)比的其他變化檢測(cè)網(wǎng)絡(luò)105
5.2.5實(shí)驗(yàn)結(jié)果與分析108
5.3本章小結(jié)113
第6章基于深度學(xué)習(xí)的RV減速器裝配監(jiān)測(cè)與部署114
6.1RV減速器裝配圖像采集試驗(yàn)臺(tái)及數(shù)據(jù)集制作114
6.1.1RV減速器裝配圖像采集試驗(yàn)臺(tái)114
6.1.2RV減速器裝配語(yǔ)義分割數(shù)據(jù)集118
6.1.3RV減速器螺釘目標(biāo)檢測(cè)數(shù)據(jù)集122
6.1.4RV減速器針齒目標(biāo)檢測(cè)數(shù)據(jù)集123
6.2基于深度學(xué)習(xí)的RV減速器裝配監(jiān)測(cè)方法124
6.2.1語(yǔ)義分割網(wǎng)絡(luò)模型選擇124
6.2.2語(yǔ)義分割網(wǎng)絡(luò)模型訓(xùn)練128
6.2.3目標(biāo)檢測(cè)網(wǎng)絡(luò)模型選擇130
6.2.4目標(biāo)檢測(cè)網(wǎng)絡(luò)模型訓(xùn)練132
6.3基于目標(biāo)檢測(cè)的針齒安裝監(jiān)測(cè)方法133
6.3.1改進(jìn)RetinaNet目標(biāo)檢測(cè)網(wǎng)絡(luò)模型133
6.3.2改進(jìn)RetinaNet模型與YOLOv5s模型對(duì)比143
6.4RV減速器裝配監(jiān)測(cè)軟件設(shè)計(jì)145
6.4.1圖像采集模塊145
6.4.2圖像預(yù)測(cè)模塊147
6.4.3零件監(jiān)測(cè)模塊149
6.4.4界面操作模塊152
6.4.5RV減速器零件漏裝監(jiān)測(cè)實(shí)驗(yàn)155
6.4.6RV減速器針齒安裝監(jiān)測(cè)實(shí)驗(yàn)158
6.5本章小結(jié)160
第7章總結(jié)與展望161
7.1本書(shū)總結(jié)161
7.2研究展望162
參考文獻(xiàn)164