溶融RGBとIR画像ベースのドライババークのディープラーニング検出 ロボット自動化システム
1Smart Manufacturing Research Group, Korea Food Research Institute, 245, Nongsaengmyeong-ro, Iseo-myeon, Wanju-gun, 55365, Jeollabuk-do, Republic of Korea.
Scientific reports
|August 28, 2025
まとめ
キンブーガックの生産を自動化するには ロボットによる分類と積み込みが必要です この研究は,RGBと赤外線画像を融合した深層学習モデルを開発し,ドライババガックをロボットで処理するために正確に検出および分類しました.
科学分野:
- ロボットと自動化
- コンピュータ・ビジョン
- 人工知能
背景:
- キンブガック製造における手動の分類と積み込みは,スケーラビリティを制限し,労働者の作業量を増加させます.
- 現在の自動化課題は ロボット統合のための高度なオブジェクト検出と分類を必要とします.
研究 の 目的:
- ドライババークの物理的特徴を検知し分類するためのディープラーニングモデルを開発する.
- ロボットによるピック・アンド・プレイス・オペレーションを 強化された画像分析で実現する.
主な方法:
- You Only Look Once (YOLO) とリアルタイム検出トランスフォーマー (RT-DETR) のモデルを使用した.
- 視覚幾何学グループ19層 (VGG19) ネットワークでRGBと赤外線 (IR) 画像を融合させ,入力品質を向上させました.
- 最低でも5つの物理クラスを特定して 効率的なロボット操作を可能にします
主要な成果:
- YOLOv11lモデルは,F1スコア0.94とmAP@0.5の0.95を達成し,YOLOv8を上回った.
- VGGベースの画像融合は,ドライババークの検出精度を大幅に改善しました.
- 開発したディープラーニングのアプローチを使用して自動化されたソートとロードの実現性を実証しました.
結論:
- YOLOv11lと組み合わせたVGGベースの画像融合は,乾燥したラバーブガックの分類と位置付けに最適なソリューションを提供します.
- この研究は,物理的なクラス,マルチモダル画像融合,自動化のための検出器選択の重要性を強調しています.
- この研究は キンブガック製造の 効率的なロボット自動化への道を開きます
