23、触觉识别与AI在食品饮料行业的应用

触觉识别与AI在食品饮料行业的应用

触觉识别技术在机器人敏感皮肤上的应用

在机器人的人机交互（HMI）应用中，大面积触摸传感器的开发有着重要意义。其核心是利用时域进行触觉识别，下面详细介绍相关技术流程。

数据预处理

• 降噪与降维 ：存储的原始信号序列会先进行预处理，包括平均和滤波操作，以降低噪声。接着对经过平均和滤波的时域反射计（TDR）向量进行重采样，减少数据维度。
• 数据标注 ：处理后的实验数据通过触摸坐标和施加力的信息进行标注，形成训练数据。不同的标注方案可用于训练回归深度神经网络（DNN）以识别连续触摸位置，以及分类DNN以识别离散力水平。

这种方法能获取大量实验数据集，为高质量训练数据提供保障，且生成的触摸事件在接触坐标和力方面具有高精度和可重复性。

训练过程

以一个基于TensorFlow的训练过程为例，使用的数据来自应用于扁平金属部件的薄弹性表面传感器。数据集包含6380个TDR序列，每个序列有1000个值作为数据集特征，同时标记了六个力标签（0 N、5 N、6 N、7 N、8 N、9 N）用于力识别任务，以及两个位置标签（x和y坐标值）用于位置识别任务。
- 数据归一化 ：在模型训练前，对数据进行归一化处理，使其均值为零，标准差为一。
- 数据集划分 ：将数据集分为三部分，分别为70%的训练数据、15%的验证数据和15%的测试数据。
- 模型训练