来源：期刊VIP网 时间：
作者：王浩博;李天剑;胡欢;黄民;
单位：北京信息科技大学机电工程学院;
摘要：在对特定工件进行加工作业的过程中，对于工件的关键部位进行视觉定位是一个重要的环节。由于金属工件表面受光线工件角度的影响很大，此类问题会导致对金属工件关键部位检测和定位的困难。这里提出基于深度学习的图像分割方法，针对特定金属工件制作数据集，根据主干网络划分，使用SegNet,DeepLabV3,DeepLabV3+作为语意分割网络进行分割任务，并根据实验结果进行对算法模型结构的改进并提出了Micro-SegNet，在保证分割性能的同时极大的减少了模型的参数量和大小，使之可以更方便的应用于各类嵌入式设备上，且对与类似的金属工件表面关键点分割的方法有借鉴作用。
关键词：视觉定位;;深度学习;;语义分割
基金资助：北京市科技计划项目—高档数控机床预测性智能运维系统及数控装置软硬件工业设计研究（TC210H03A-05）
