Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Medical Catheters Grasping Point Detection with Quality Control
Autoři: Štursa Dominik | Doležel Petr | Zanon Bruno B
Rok: 2021
Druh publikace: článek ve sborníku
Název zdroje: 16TH INTERNATIONAL CONFERENCE ON SOFT COMPUTING MODELS IN INDUSTRIAL AND ENVIRONMENTAL APPLICATIONS (SOCO 2021)
Název nakladatele: SPRINGER INTERNATIONAL PUBLISHING AG
Místo vydání: CHAM
Strana od-do: 408-418
Tituly:
Jazyk Název Abstrakt Klíčová slova
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

Katedry

Služby

Jak nás najdete?

Často hledáte

© 2023 Univerzita Pardubice, Studentská 95, 532 10 Pardubice 2
Telefon: 466 036 111, 466 036 112, 466 036 113
Správce webu, RSS
ID datové schránky: f5vj9hu
Prohlášení o přístupnosti
Drupal web od drupal web Drupal ᐬrts