این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Iranian Journal of Electrical and Electronic Engineering، جلد ۲۰، شماره ۴، صفحات ۳۳۳۱-۳۳۳۱
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Faster R-CNN and 3D reconstruction for handling tasks implementing a Scara robot
چکیده انگلیسی مقاله This paper presents the design and results of using a deep learning algorithm for robotic manipulation in object handling tasks in a virtual industrial environment. The simulation tool used is V-REP and the environment corresponds to a production line based on a conveyor belt and a SCARA type robot manipulator. The main contribution of this work focuses on the integration of a depth camera located on the robot and the computation of the gripping coordinates by identifying and locating three different types of objects of interest with random locations on the conveyor belt, through a Faster R-CNN. The results show that the system manages to perform the indicated activities, obtaining a classification accuracy of 97.4% and a mean average precision of 0.93, which allowed a correct detection and manipulation of the objects.
کلیدواژه‌های انگلیسی مقاله Faster R-CNN, Homogeneous Transformation Matrix, Point Cloud, V-REP
نویسندگان مقاله | Julian Herrera-Benavidez
Universidad Militar Nueva Granada


| Cesar Pachón-Suescún
Universidad Militar Nueva Granada


| Robinson Jimenez-Moreno
Universidad Militar Nueva Granada
نشانی اینترنتی http://ijeee.iust.ac.ir/browse.php?a_code=A-10-4242-2&slc_lang=en&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده 2-Industrial Electronics
نوع مقاله منتشر شده Closed - 2024 Special Issue on Applications of Deep Learning in Electrical and Electronic Engineering
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات