1. 毕业设计（论文）主要内容：

在中国制造2025的行动纲领下，工业机器人在未来智能制造中起着决定性的作用。

在工业零件的分拣生产线上，传统的人工分拣效率低而且成本大，利用机器视觉，结合工业机器人进行零件分拣操作可以大大提高生产效率。

深度学习(deep learning)源于神经网络的研究，是机器学习中一种基于对数据进行表征学习的方法，目前在机器视觉任务中取得了巨大的成功，利用深度学习模型可以有效地提高工业零件识别准确度。

2. 毕业设计（论文）主要任务及要求

设计内容和任务
(1) 查阅相关资料，阅读不少于15篇参考文献（其中近5年外文文献不少于3篇），了解机器视觉和深度学习研究现状；
(2) 学习相关机器视觉的深度学习模型，分析比较不同网络的差异性，选择合适的深度学习网络进行零件识别。
(3) 使用一种深度学习框架实现相关的零件识别模型，针对不同的工业零件进行识别与检测；
(4) 撰写不少于12000字的论文，并完成论文答辩相关工作；
(5) 完成不少于5000汉字（20000英文印刷符）的教师指定的相关文献的英译汉翻译工作；
(6) 论文正文应包含不少于12幅图（包括：电路原理图、流程图、结构框图、程序框图等）。

学生技能要求：
(1) 掌握机器视觉和深度学习的相关理论与方法；
(2) 掌握基本的深度神经网络，比如cnn,rnn,lstm等；
(3) 掌握基本的图像识别的深度学习模型。
(4) 掌握python编程语言及一种或多种深度学习框架的使用，比如tensorflow和pytorch。

3. 毕业设计（论文）完成任务的计划与安排

(1) 第1－3周：查阅相关文献资料，明确研究内容，学习毕业设计研究内容所需理论的基础。

确定毕业设计方案，完成开题报告。

(2) 第4－5周：熟悉掌握基本理论，完成英文文献的翻译。

4. 主要参考文献

[1] 岳孙平. 基于深度学习的零件分类研究[J]. 机械工程与自动化, 2017(6).
[2] 周玉强,陈国栋,盛小明.基于卷积神经网络的零件识别与分拣系统[J].煤矿机械,2018,39(06):151-153.
[3] Huang C , Chen D , Tang X . Implementation of Workpiece Recognition and Location Based on Opencv[C]. International Symposium on Computational Intelligence amp; Design. IEEE, 2016.
[4] Garcia-Garcia A , Orts-Escolano S , Oprea S , et al. A Survey on Deep Learning Techniques for Image and Video Semantic Segmentation[J]. Applied Soft Computing, 2018, 70.
[5] Zhou X , Gong W , Fu W L , et al. Application of deep learning in object detection[C]. IEEE/ACIS International Conference on Computer amp; Information Science. IEEE, 2017.