申请/专利权人：中国科学院宁波材料技术与工程研究所

申请日：2022-03-28

公开（公告）日：2024-04-23

公开（公告）号：CN114841236B

主分类号：G06V10/774

分类号：G06V10/774;G06V10/80;G06V10/82;G06N3/0464;G06N3/045;G06N3/0475;G06N3/094

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2022.08.19#实质审查的生效;2022.08.02#公开

摘要：本发明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，该方法通过将传感器贴在机械手上抓取物体，对识别的物体进行分类；利用深度卷积生成对抗网络技术生成柔性压力传感阵列图样本；利用改进的神经网络模型并引入注意力机制的方式对柔性压力传感阵列图样本进行训练，得到最优模型；根据训练得到的最优模型对样本中的测试集进行测试；将训练好的最优模型应用到机械手中，动态地抓取物体并识别该物体的类型；该方法识别准确度高、识别效率高、泛化能力强，并且能满足大量应用场景需求。

主权项：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。

全文数据：

权利要求：

百度查询： 中国科学院宁波材料技术与工程研究所 一种基于深度学习的柔性压力传感阵列图的识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD