基于SqueezeNet卷积神经网络模型的水电检修工具分拣方法

基于SqueezeNet卷积神经网络模型的水电检修工具分拣方法，适用于扳手、起子、套筒等多种工具。该方法首先在背光环境下采集检修工具图像，并通过图像预处理技术去除背景干扰，生成清晰的目标二值图像。为解决样本不足问题，采用膨胀、腐蚀及旋转等数据增强手段扩充训练集。接着，利用SqueezeNet模型进行深度学习训练，结合交叉熵损失函数与梯度下降优化算法调整参数，最终获得高精度识别模型。此外，通过九点标定法完成视觉系统与机械臂的手眼标定，确保从图像坐标到机械臂动作坐标的准确转换。实际操作中，柔性振动盘先将堆叠的工具分离，随后视觉系统采集单个工具图像并由模型识别其类型及位置，指导机械臂精准抓取。