公开(公告)号：CN119141536A

公开(公告)日：2024-12-17

申请号：CN202411305119.X

申请日：2024-09-19

Applicant: 浙江工业大学 ,  蔚复来(浙江)科技股份有限公司

Inventor： 董红召 ,  汪二毛 ,  张利强 ,  熊伟 ,  张利红 ,  孙枭童 ,  潘松青

IPC: B25J9/16

Abstract: 一种再生物品分拣的多机械臂深度强化学习控制方法和装置，其方法包括：获取目标物体和多机械臂系统状态信息；构建深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)算法网络架构、设置经验回放池、智能体奖励函数；部署到真实分拣环境进行运动指导。其中，该方法在DDPG算法策略网络架构中使用循环神经网络(Recurrent Neural Network，RNN)作为主干特征提取网络，以捕捉输入数据的长期依赖关系，更好的指导机械臂的抓取策略；在评价网络架构中引入一对多判别架构，以适应多机械臂系统的训练；提出了一种复合奖励函数和双池经验回放机制，为机械臂提供更及时、更丰富的反馈信号，降低了数据相关性，提高样本利用率，提高多机械臂再生物品分拣的成功率和效率。

公开(公告)号：CN118674914A

公开(公告)日：2024-09-20

申请号：CN202410759941.7

申请日：2024-06-13

Applicant: 浙江工业大学 ,  蔚复来(浙江)科技股份有限公司

Inventor： 董红召 ,  孙枭童 ,  张利强 ,  熊伟 ,  张利红 ,  汪二毛

IPC: G06V10/25 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06V10/774 ,  G06V10/776 ,  G06V10/764 ,  G06V10/80

Abstract: 本发明提供了一种融合Transformer与改进YOLO的再生物品旋转目标检测方法和装置，其方法包括：1、搜集不同形态同类可再生物品的数据图像，得到可再生物品原始数据集；2、引入密集编码标签(Densely Coded Labels，DCL)，实现旋转角度的高精度识别；3、通过使用RepVGG模型作为主干特征提取网络，采用多分支的网络结构一般是能提高模型的表征能力；4、在主干网络末端加入Transformer的注意力机制，强化特征提取；5、使用BiFPN网络对骨干网络输出的特征进行后处理，增强不同尺度的特征信息融合；6、用训练数据集对搭建的目标检测网络进行训练，得到训练好的再生物品目标检测网络。