Login for students

Login for employees

Publication detail

Medical Catheters Grasping Point Detection with Quality Control
Authors: Štursa Dominik | Doležel Petr | Zanon Bruno B
Year: 2021
Type of publication: článek ve sborníku
Name of source: 16TH INTERNATIONAL CONFERENCE ON SOFT COMPUTING MODELS IN INDUSTRIAL AND ENVIRONMENTAL APPLICATIONS (SOCO 2021)
Publisher name: SPRINGER INTERNATIONAL PUBLISHING AG
Place: CHAM
Page from-to: 408-418
Titles:
Language Name Abstract Keywords
cze Detekce úchopových bodů lékařských katetrů s kontrolou kvality Schopnost uchopovat předměty je jednou ze základních funkcí moderních průmyslových robotů. V tomto článku je kladen důraz na systém vizuálního vnímání, a zejména na metodu zpracování dat vedoucí k detekci úchopových bodů. Řešení spočívalo v návrhu percepčního systému, v němž bylo nutné použít SWIR senzor, který vidí přes plastové sáčky a poskytuje tak dostatečné množství obrazových informací pro případné zpracování neuronovou sítí. Detekce úchopového bodu byla testována pomocí tří architektur konvolučních neuronových sítí. Metoda byla vyhodnocena pomocí zobecněného průniku nad sjednocením (gIoU). Lepší architekturou byla Attention U-Net, kde gIoU dosáhl v případě nejlepšího modelu hodnoty 0,8522. SWIR kamera; detekce úchopového bodu; konvoluční neuronová síť; strojové vidění
eng Medical Catheters Grasping Point Detection with Quality Control The ability to grasp objects is one of the basic functions of modern industrial robots. The emphasis of this paper is placed on the visual perception system, and in particular, on the data processing method leading to grasp point detection. The solution involved the design of a perceptual system in which it was necessary to use a SWIR sensor that can see through plastic bags and thus provide sufficient image information for possible processing by a neural network. The grasping point detection was tested with three convolutional neural network architectures. The method was evaluated by a generalized intersection over union (gIoU). The superior architecture was Attention U-Net, where gIoU reached 0.8522 in the case of the best model. SWIR Camera; Grasping point detection; Convolutional neural network; Machine vision

Department

Map

en.mapy.cz

Services

Popular Links

© 2023 University of Pardubice, Studentská 95, 532 10 Pardubice 2
Phone: +420 466 036 111, 466 036 112, 466 036 113
Webmaster, RSS
Data box ID: f5vj9hu
Accessibility Statement
CC BY-NC-ND 4.0Creative CommonsAttributionNonCommercialNoDerivatives