要約
自動車業界の電動化・自動運転化に伴い、現代の自動車に搭載される自動車用ワイヤーハーネスの増加に伴い、自動車用ワイヤーハーネス組立品の品質を保証することの重要性が高まっています。
コネクタはワイヤハーネスの接続と信号伝送に重要であるため、自動車用ワイヤハーネスの最終組み立てではコネクタの嵌合が不可欠です。
しかし、嵌合コネクタの現在の手動操作は、アセンブリの品質と人間工学に関して深刻な問題を引き起こしており、ロボット化されたアセンブリが検討されており、コネクタ上のロボット制御システムをよりよく認識できるようにするために、さまざまな視覚ベースのソリューションが提案されています。
それにもかかわらず、これまでの文献には、自動車のワイヤー ハーネス コネクタを検出するための深層学習ベースのソリューションが不足していました。
この論文では、ロボット化された自動車用ワイヤー ハーネス アセンブリのためのディープ ラーニング ベースのコネクタ検出について説明します。
20 個の自動車用ワイヤー ハーネス コネクタのデータセットは、それぞれ 2 段階および 1 段階の物体検出モデルをトレーニングおよび評価するために作成されました。
実験結果は、自動車用ワイヤーハーネスアセンブリに対するディープラーニングベースのコネクタ検出の有効性を示していますが、コネクタの外装の設計によって制限されます。
要約(オリジナル)
The shift towards electrification and autonomous driving in the automotive industry results in more and more automotive wire harnesses being installed in modern automobiles, which stresses the great significance of guaranteeing the quality of automotive wire harness assembly. The mating of connectors is essential in the final assembly of automotive wire harnesses due to the importance of connectors on wire harness connection and signal transmission. However, the current manual operation of mating connectors leads to severe problems regarding assembly quality and ergonomics, where the robotized assembly has been considered, and different vision-based solutions have been proposed to facilitate a better perception of the robot control system on connectors. Nonetheless, there has been a lack of deep learning-based solutions for detecting automotive wire harness connectors in previous literature. This paper presents a deep learning-based connector detection for robotized automotive wire harness assembly. A dataset of twenty automotive wire harness connectors was created to train and evaluate a two-stage and a one-stage object detection model, respectively. The experiment results indicate the effectiveness of deep learning-based connector detection for automotive wire harness assembly but are limited by the design of the exteriors of connectors.
arxiv情報
| 著者 | Hao Wang,Björn Johansson |
| 発行日 | 2023-09-24 20:28:35+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google