-
题名驼峰编组站摘钩机械臂视觉检测系统研究
- 1
-
-
作者
罗涪文
王雪梅
倪文波
韦蕾蕾
艾明阳
-
机构
西南交通大学机械工程学院
-
出处
《铁道科学与工程学报》
北大核心
2025年第9期4145-4159,共15页
-
基金
四川省国际科技创新合作项目(2022YFH0038)。
-
文摘
针对驼峰编组站自动摘钩作业时间短,而提钩杆手柄和脚蹬在复杂环境下难以快速准确检测识别和精准定位的问题,提出一种基于主动式RGBD相机结合改进YOLO11深度学习算法的视觉检测与目标定位方法。首先根据机械臂自动摘钩原理和系统应用需求,进行了视觉检测系统方案设计和RGBD相机选型。将基于GhostConv改进的HGNetV2轻量化网络(GC-HGNetV2)作为YOLO11的主干网络,能够在保证模型轻量化的同时使其具有更强的特征提取能力;同时通过引入EMASlideLoss损失函数,较好解决了正负样本不平衡的问题,提高了模型训练过程的稳定性,并进一步提升了模型的检测性能。在提钩杆手柄和脚蹬数据集上的试验结果表明,相较于原始的YOLO11模型,改进后的算法在R和mAP@50两项指标上分别提升了0.3个百分点和3.6个百分点,可以有效解决在复杂环境下因提钩杆手柄和脚蹬特征单一导致的误检和漏检问题,具有更高的检测精度和鲁棒性。最后,在实验室设计搭建自动摘钩机械臂及视觉检测系统,进行手眼标定和机械臂自动摘钩试验。试验结果表明,该视觉检测系统能够在复杂背景中快速准确检测识别提钩杆手柄和脚蹬,并准确确定其在机械臂坐标系下的三维坐标,辅助机械臂完成自动摘钩作业任务,具有良好的实时响应性能,能够满足机械臂自动摘钩应用的需求。
-
关键词
自动摘钩机械臂
主动式RGBD相机
YOLO11
GC-HGNetV2
emaslideloss
-
Keywords
automatic uncoupling manipulator
active RGBD camera
YOLO11
GC-HGNetV2
emaslideloss
-
分类号
U284.67
[交通运输工程—交通信息工程及控制]
-
