论文部分内容阅读
在不间断的流水线作业环境下,采用普通的人力进行商品分拣的效率低,错误率高。此外,单一的分拣系统无法适应多种物体分拣的情况。因此,提出了一种基于深度学习的商品分拣系统。该系统采用基于SSD算法的多目标检测进行目标对象的类别识别,采用TensorFlow框架提高识别准确率,使用RRT算法实现路径规划,同时增设训练模型以适应不同使用场景。实验表明所提出的系统夹取效果能够满足流水线作业环境下进行分拣的需求。