倪奕棋，管声启,2，管宇灿，卫艳芳,胡璐萍

(1.西安工程大学 机电工程学院，陕西 西安 710048；2.绍兴市柯桥区西纺纺织产业创新研究院，浙江 绍兴 312030；3.山西大同大学 计算机与网络工程学院，山西 大同 037009)

0 引 言

近年来计算机视觉技术的发展，为纱筒的自动识别定位提供一种新的思路，高效的视觉识别定位也是机器人实现上纱的关键技术之一[1]。王纪程等提出了一种ORB+RANSAN特征匹配算法，搭建了双目视觉模型对工件进行三维重建，消除了误匹配，实现了工件的识别与定位[2]。任慧娟等通过视觉系统获取了多目标纱筒图像，基于颜色特征实现了不同颜色纱筒的识别定位与分拣[3]。李毅等利用Kinect V2相机获取纱筒的图像和深度信息，通过构建二维图像与三维空间转换的模型，实现了纱筒的三维质心定位[4]。传统的视觉方法对特定的目标进行识别定位精度较好，但是都需要手动提取目标特征。

随着深度学习技术的迅速发展，卷积神经网络(convolutional neural network, CNN)在图像分类、目标检测和语义分割等多个领域都取得了突破性进展[5]，为目标的识别与定位提供了一种新的思路。金守峰等提出一种基于对抗神经网络和神经网络模型的筒子纱抓取方法，利用生成式对抗网络(generative adversarial networks ,GAN)扩充筒子纱数据集，并利用Faster R-CNN实现了纱筒的识别与定位[6]。欧攀等提出基于Mask RCNN的目标识别定位方法，利用改进的Mask RCNN算法对Kinect深度传感器采集的RGB图像进行目标的识别与分割，并建立二维到三维空间的转换模型，实现目标的空间定位[7]。……