광학 영상의 정밀 위치 지정은 산업 생산 효율성과 품질 향상의 중요한 단계입니다. 전통적인 영상 처리 위치 지정 방법은 조명, 노이즈 등 환경 요인의 영향으로 복잡한 환경에서 위치 정확도가 낮고 간섭에 취약합니다. 고전적인 딥러닝 네트워크는 자연 장면의 객체 감지, 산업 검사, 잡기, 결함 검출 등에 널리 사용되지만, 대규모 데이터 학습 요구, 복잡한 시스템의 딥러닝 대규모 모델, 과잉 및 부정확한 검출 상자 문제로 인해 산업 부품의 픽셀 단위 정밀 위치 지정에 직접 적용하기 어렵습니다. 이러한 문제를 해결하기 위해 부품 광학 영상 픽셀 단위 정밀 위치 지정을 위한 경량 딥러닝 네트워크 방법을 구축하였습니다. 네트워크는 Encoder-Decoder 구조를 사용하며, Encoder는 세 단계의 bottleneck를 연쇄하여 특징 추출 매개변수를 줄이는 동시에 네트워크 비선형성을 충분히 향상시킵니다; Encoder와 Decoder의 대응하는 특징 층을 융합 및 연결하여 Encoder가 업샘플링 합성곱 후 더 많은 고해상도 정보를 얻어 원본 이미지의 세부 정보를 더 완전하게 재구성할 수 있도록 합니다; 마지막으로 가중치 Hausdorff 거리를 사용하여 Decoder 출력층과 위치 좌표점 간의 관계를 구축합니다. 실험 결과 경량 딥러닝 위치 지정 네트워크 모델 파라미터는 57.4 kB이며, 위치 정확도가 5 픽셀 이하인 인식률은 99.5% 이상으로 산업 부품의 높은 위치 정확도, 정확성 및 간섭 저항 요구를 기본적으로 충족합니다.

머신 비전; 광학 영상; 딥러닝; 정밀 위치 지정; 경량화