卷积神经网络在工件识别中的应用

作     者：甘露 韩卫光 GAN Lu;HAN Wei-guang

作者机构：中国科学院沈阳计算技术研究所沈阳110168 中国科学院大学北京100049 

基　　金：国家科技重大专项课题项目(2017ZX04011004) 

出 版 物：《组合机床与自动化加工技术》 (Modular Machine Tool & Automatic Manufacturing Technique)

年 卷 期：2019年第11期

页      码：127-130页

摘      要：针对传统工件识别算法需要手工设计特征、通用性差,且识别准确率受工件的旋转、平移和光照变化等因素影响较大,提出了一种将卷积神经网络应用在工件识别中的算法。该算法利用卷积神经网络构建一个6层端到端的工件分类识别模型。该识别模型可以从原始工件图像中进行特征自学习,设计的分层结构可以将传统方法的特征提取和分类识别两个阶段融合在一起,可以进行端到端的分类识别。实验表明,基于卷积神经网络的工件识别算法在平均识别时间和平均识别准确率上均优于传统的工件识别算法。

主 题 词：卷积神经网络 工件识别 图像去噪 灰度化 

学科分类：12[管理学] 080503[080503] 1201[管理学-管理科学与工程类] 08[工学] 0805[工学-能源动力学] 0802[工学-机械学] 080201[080201] 

D　O　I：10.13462/j.cnki.mmtamt.2019.11.032

馆 藏 号：203827646...