Zaznava in razpoznava steklenih objektov v delno nadzorovanem okoljuTurk, Tom (Avtor) Perš, Janez (Mentor) Mihelj, Matjaž (Komentor) transparentnostsintetično tvorjenje sliknevronske mrežeMask R-CNNV zadnjih letih smo videli mnogo uspešnih rešitev na področju strojnega vida, ki se ukvarjajo z zaznavanjem vsakdanjih objektov. Transparentni objekti imajo značilnosti, ki otežujejo njihovo zaznavanje, zato je delež rešitev s področja strojnega vida, ki obravnavajo transparentne objekte, manjši. Naše delo motivira integracija robotskih rešitev v realno laboratorijsko okolje, zato predstavimo sistem za zaznavanje transparentnih objektov. Ker smo izbrali pristop z globokim učenjem, sta ključni komponenti sistema priprava podatkov ter prilagoditev parametrov algoritma. V okviru dela najprej pripravimo učne podatke, ki ustrezajo slikam značilnih objektov laboratorijskega okolja; čašam, erlenmajericam, mikrotitrnim ploščam, petrijevkam ter bučkam. Ker smo pri delu prepoznali več načrtovalskih odločitev, za katere ob pregledu literature nismo našli priporočil, smo pripravili več različic učnih množic. Vrednotenje zadnjih sledi v eksperimentalnem segmentu dela. V nadaljevanju dela identificiramo parametre algoritma, ki najbolj prispevajo k pravilnosti napovedi. Prvi sklop rezultatov dokazuje, da pripravljen model nima težav pri zaznavanju sintetičnih upodobitev transparentnih objektov. Sledi ključni preizkus, ki potrjuje robustnost modela tudi pri vhodnih podatkih iz realne domene, kar nakazuje, da ima nevronska mreža tudi zmožnost generalizacije. Vrednotenje modela v kontekstu strojnega vida metrikam primarne (m)AP, PASCAL VOC (m)AP in precizne (m)AP priredi vrednosti 89,22 %, 96,48 % ter 95,52 %. Model ovrednotimo tudi v kontekstu robotske manipulacije; pri tem ocenimo, da bi z robotskim prijemalom, ki je odprto za 115,27 % napovedane velikosti objekta, uspešno prijeli 85,2 % ciljnih transparentnih objektov.20212021-09-24 12:50:20Magistrsko delo/naloga131273VisID: 56561COBISS_ID: 78072835sl