工业机器人视觉辅助项目
项目概述
- 机器学习自从AlexNet以来, CNN的技术在视觉上已经有了长足的进展, 以Faster-RCNN, SSD, Yolo3等多目标检测技术已经可以完成实时的图像分析. 同时机械臂的定位,抓取等技术也已经完全成熟. 本课题目的是研究如何利用计算机视觉,帮助机械臂进行定位和抓取工作, 如何利用计算机视觉进行工件的表面检查,寻找表面缺陷,剔除不符合的样品.
- 本课题联合 电子工程系的机器人实验室共同研究和合作开发.
- 下图是有缺陷的工件:
什么是机器学习?
- 假设用P来评估计算机程序在某任务类 T上的性能, 若一个程序通过利用经验E 在T中任务上获得了性能改善, 则我们就说关于T 和 P, 该程序对于E 进行了学习. (Mitchell, 1997)
- Arthur Samuel 1959 年的定义被公认为最早的:机器学习是计算机科学的分支领域,它能使「电脑无需明确的编程就能获得学习能力。」在实践中,这意味着开发能根据数据作出预测的计算机程序。正如人类能从经验中学习一样,计算机也可以,对它们来说数据就等同于经验。
项目基础要求
- 需要高等数学中的 线性代数 和一些编程基础 比如python 利用python进行数据分析
- 参见文章机器学习需要哪些数学基础?, 相关网上公开课资源 见 关于数据科学&机器学习,19个数学和统计学公开课推荐