論文摘要

本專題採用YOLACT深度學習模型演算法搭配上銀科技RS406四軸機械手臂，結合電磁閥吸取目標物件，再加上輸送帶、D435i深度相機，透過兩階段式的研究模擬真實產線上之異常檢測、排除與物件整列之技術開發，透過Python撰寫深度學習結合C++控制手臂以及相機，搭配程式撰寫手法，使程式能完美整合，完成產線自動化動態辨識物件及作動之目的。在YOLACT模型評估上，初步可以得到模型辨識率高達93.1%、Mask AP達到98.10%，BOX AP達到83.57%，另外，本專題使用D435i深度相機判斷深度抓取異常物件成功率可以達到97.5%，使本系統達到快速而準確之結果。

關鍵字： YOLACT、D435i深度相機、HIWIN RS406