基于深度学习的小样本零件模型分类

作     者：张维 岳洋 苗耀锋 ZHANG Wei;YUE Yang;MIAO Yao-feng

作者机构：西安外事学院工学院西安710077 

基　　金：陕西省教育科学规划课题(SGH23Y2897) 陕西省教育厅科学研究计划项目(23JK0630) 陕西省自然科学基础研究计划-面上项目(2021JM-528) 

出 版 物：《信息技术》 (Information Technology)

年 卷 期：2024年第48卷第7期

页      码：71-75,83页

摘      要：针对装备制造业中的小样本的机械零件自动化分类精度低的问题,提出一种基于辅助分类生成对抗网络(ACGAN)的机械零件分类检测方法。首先,基于PCL点云技术,获取具有代表性的阀座等10种类别的零件在固定视角下的二维视图信息;其次,采用小样本数据分类的ACGAN算法,以点云技术获取每个零件的42张二维视图为算法模型的数据集,完成算法模型的设计和训练。最终结果表明,训练集和测试集的准确率分别可达到99.80%和99.67%。因此,该算法可以高精度地实现对小样本的机械零件的自动化分类。

主 题 词：计算机应用技术 小样本 点云 深度学习 二维视图 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.13274/j.cnki.hdzj.2024.07.012

馆 藏 号：203131624...