檢索結果:共12筆資料 檢索策略: "深度學習".ckeyword (精準) and cadvisor.raw="林清安"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
由3D CAD模型自動化辨認加工特徵是自動化產生製造資訊的首要工作,過往研究大都透過特徵資料庫來進行加工特徵的匹配,導致對於特徵間的相交及特徵設計變更的辨認能力較差,且特徵資料庫為有限,而幾何變化為…
2
電腦輔助製程規劃是通過自動化規劃零件加工製造的過程,減少手動干預,加快生產計劃的生成速度,即因應零件的改動,快速調整新的製程需求,降低生產成本。電腦輔助製程規劃的其中一個重要部為特徵辨識,其目的為將…
3
由3D零件的幾何模型辨識加工特徵為自動化生產的一項重要工作,傳統的特徵辨識方法無法完整辨識出具有相交特徵的幾何模型,本論文以2D影像的深度學習進行3D CAD模型的加工特徵辨識,以解決傳統辨識方法對…
4
機械手臂經常搭配3D視覺對零件進行掃描,將掃描所得之點資料透過各種演算法計算出零件擺放的方位,然後根據計算之方位以機械手臂拾取零件。當零件變得複雜時,受限於零件的幾何形狀及掃描的角度,掃描的點資料可…
5
以機械手臂進行零件分類是自動化生產線的主要工作之一,利用結構光掃描器搭配AI深度學習及點雲匹配技術,可快速辨識產線上各個零件的類型,並自動計算每個零件的拾取資訊,然而,隨著零件類型、數量及幾何複雜度…
6
本研究探討3D深度學習應用於零件辨識的可能性,並結合機械手臂,開發一套「隨機取放零件分類系統」,進行零件拾取與放置,達到自動化零件分類之目的。在零件拾取方面,本研究使用3D結構光掃描器擷取零件群之點…
7
8
在自動化生產線中,使用機械手臂進行零件分類為主要工作之一,在機械手臂拾取零件前,可透過3D深度學習快速辨識零件種類及數量。然而,當零件堆疊擺放於工作平台上時,難以將零件分割並分別進行辨識,且收集堆疊…
9
人工智慧之深度學習技術已逐步應用於生產線上之產品瑕疵檢測,深度學習需使用大量影像訓練才有良好的辨識效果,然而在實際的產線中,瑕疵品相對良品的比例低很多,造成瑕疵品的訓練樣本數過少,導致深度學習的檢測…
10
組裝一副完整的拼圖需要耗費相當多的時間和精力,隨著機器視覺和深度學習技術的快速發展,本論文嘗試將這兩項技術應用在自動化拼圖辨識,推動技術應用的創新層面。 本論文提出了一種基於深度學習的YOLO演算法…