自动装配环境下异常事件视觉检测方法研究.pdfVIP

摘要

随着装配环境智能化进程加快，安全、高效的生产环境能够有效提升产能，

因此研究有效的自动装配环境异常事件视觉检测系统尤为重要。本文聚焦于自动

装配环境中机械臂异常行为的时序检测，拟利用新设计的基于空间信息增强的混

合异常事件视觉检测方法作为内核构建自动装配环境中的异常事件视觉检测系

统。本文针对自动装配环境中异常行为检测这一关键问题，进行了如下研究：

(1)本文聚焦于自动装配环境下机械臂异常事件视觉检测这一关键问题，拟

利用异常事件的视觉检测技术构建异常事件视觉检测系统。针对现有异常事件视

觉检测方法进行分析，对自动装配环境中的异常及异常视觉检测任务进行了详细

的描述，并分析了现有重构、预测以及混合方法存在的问题。

(2)对现有异常事件视觉检测方法进行研究，利用HF2-VAD作为基础网络，

从异常事件视觉检测方法所利用重构和预测方法建模所需信息入手，本文研究中

构建了串行深度可分离残差块、密集型空洞下采样模块以及U型金字塔注意力

模块以解決预测建模过程中忽视空间细节信息对建模质量的影响。本文通过利用

上述模块改进HF2-VAD中预测分支以提升异常检测准确率。本文算法在三个异

常事件视觉检测数据集UCSDPed2、Avenue以及ShanghaiTech上取得了99.7%、

92.1%和78.3%的检测准确率。

(3)提出了一种边缘信息引导多级尺度融合的显著性目标检测算法用于异

常事件视觉检测算法预处理过程的目标信息提取。EGMFNet使用多通道融合残

差块以嵌套的U型网络架构作为主干模型，在网络的较低层级引入具有边缘信

息引导的全局空间注意力模块以增强空间特征及边缘特征，并在监督阶段引入图

像边界损失以进一步维护清晰边界。在四个基准数据集ECSSD、PASCAL-S、

HKU-IS以及DUTS-TE上的测试结果表明，本文方法F值较BPFINet性能提升

1.5%、2.7%、1.8%和1.6%。

(4)在改进异常事件视觉检测方法的基础上，构建机械臂异常检测数据集并

进行异常检测算法性能测试。以改进的异常事件视觉检测方法作为检测内核构建

异常事件视觉检测实验验证系统，进行机械臂目标异常行为检测测试。测试中，

系统对环境异常、人为异常和运行异常分别取得了88.38%、87.56%和85.67%的

检测准确率。

关键词：自动装配环境，异常检测，空间细节信息增强

ABSTRACT

Withtheaccelerationoftheintelligentprocessoftheassemblyenvironment,a

safeandefficientproductionenvironmentcaneffectivelyincreasetheproduction

capacity.Therefore,itiscrucialtostudyaneffectivevisualdetectionsystemfor

anomalouseventsintheautomaticassemblyenvironment.Thepaperfocusesonthe

timingpredictionofthemanipulator’sanomalousbehaviorintheautomaticassembly

environmentandintendstousethenewlydesignedhybridanomalouseventvisual

detectionmethodbasedonspatialinformationenhancementasthefoundationfor

buildingtheanomalouseventvisualdetectionsystemintheautomaticassembly

environment.Inanefforttoaddr