光学画像の精密な位置特定は、産業生産の効率と品質を向上させる重要な工程です。従来の画像処理による位置特定方法は、照明やノイズといった環境要因の影響により、複雑な環境下で位置精度が低く干渉を受けやすいです。一方で、従来の深層学習ネットワークは、自然環境の物体検出、産業の検査、把持、欠陥検出などで広く用いられているものの、大量のデータによる学習要求、複雑なシステムの深層学習大型モデル、検出枠の冗長性や不正確さといった問題から、産業部品のピクセルレベルの精密位置特定には直接適用できません。これらの問題に対応するために、部品の光学画像ピクセルレベル精密位置特定のための軽量深層学習ネットワーク手法を構築しました。ネットワークは全体的にEncoder-Decoder構造を採用し、Encoderは3段のbottleneckを連結して特徴抽出パラメータを削減しつつネットワークの非線形性を十分に向上させます。EncoderとDecoderの対応する特徴層を融合・連結し、Encoderがアップサンプリング畳み込み後により多くの高解像度情報を取得し、元の画像の詳細情報をより完全に再構築できるようにします。最後に、重み付けされたHausdorff距離を用いてDecoder出力層と位置座標点の関係を構築しました。実験結果は、軽量深層学習位置特定ネットワークのモデルパラメータが57.4 kBであり、位置精度が5ピクセル以下の認識率が99.5%以上であり、産業部品の高い位置精度、高い正確率、および耐干渉性という要件を基本的に満たしていることを示しています。

マシンビジョン; 光学画像; 深層学習; 精密位置特定; 軽量化