基于深度学习的主轴承盖分类识别算法

作     者：张鹏飞 石志良 李晓垚 欧阳祥波 ZHANG Peng-fei;SHI Zhi-liang;LI Xiao-yao;OUYANG Xiang-bo

作者机构：武汉理工大学机电工程学院湖北武汉430070 广州工业大学机电工程学院广东广州510006 

出 版 物：《图学学报》 (Journal of Graphics)

年 卷 期：2021年第42卷第4期

页      码：572-580页

摘      要：机械零件自动分类识别算法,在智能工业、自动化加工等领域具有广阔地应用前景。针对汽车发动机主轴承盖零件自动分类时,存在特征多表面分布和光照敏感等难点问题,提出多分支特征融合卷积神经网络(MFF-CNN)。MFF-CNN具有2个子网络分支,分别提取主轴承盖2个表面的特征,经过特征融合,形成最终的零件分类特征。在网络结构设计上,MFF-CNN基于密集连接型卷积神经网络设计,通过增强网络层级间的特征重用,有效降低模型的参数量,缓解较小样本量条件下,深层网络的过拟合和梯度消失问题。实验结果表明,在实际采集的主轴承盖图像数据集上,MFF-CNN的识别率为91.6%,并对实际生产中的零件图像光照不均匀问题,具有良好的鲁棒性。

主 题 词：机械零件识别 卷积神经网络 细粒度图像分类 特征融合 

学科分类：1305[艺术学-设计学类] 13[艺术学] 081104[081104] 08[工学] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.11996/JG.j.2095-302X.2021040572

馆 藏 号：203104690...