Detekce úchopových bodů lékařských katetrů s kontrolou kvality

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.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