檢索結果：共12筆資料 檢索策略： "Deep Learning".ekeyword (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
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…
5
6
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…
7
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…
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
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…
10
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…