典型文献
基于迁移学习的机械制图智能评阅方法
文献摘要：
针对机械图样几何特征种类多、线条线型易混淆、人工制图风格多样导致校对效率低、误检、漏检等问题,提出基于迁移学习的机械制图智能评阅方法.对机械图样进行预处理,采用改进的阀值迭代算法去除背景、噪点和干扰,完成图样图像的分割,提取机械图样的特征投影图像.通过训练源领域图片的特征提取器,将特征提取器的网络权值迁移到机械图样评阅模型中,完成相似领域的知识迁移.训练逻辑回归分类器,建立基于神经网络权重参数自适应的智能评阅模型,对几何特征、投影特征、图线、剖面符号等机械图样的制图标准要素进行识别.实验结果表明,所提出的机械制图智能评阅方法具有较高的错误识别率和鲁棒性能,单个测试样本平均评阅时间为0.95 s,机械图样的平均评阅正确率为98.82％;与人工评阅相比,所提方法能够在提高评阅效率的同时具有较高准确率.
文献关键词：
智能评阅;仪器制图;迁移学习;机械图样;机器学习
中图分类号：
作者姓名：
高一聪;王彦坤;费少梅;林琼
作者机构：
浙江大学 流体动力与机电系统国家重点实验室,浙江 杭州 310027;浙江工业大学 机械工程学院,浙江 杭州 310014
文献出处：
引用格式：
[1]高一聪;王彦坤;费少梅;林琼-.基于迁移学习的机械制图智能评阅方法)[J].浙江大学学报（工学版）,2022(05):856-863,889
A类：
仪器制图
B类：
迁移学习,机械制图,智能评阅,机械图样,几何特征,特征种,线条,条线,线型,校对,漏检,阀值,值迭代算法,噪点,成图,特征投影,投影图,源领域,权值,知识迁移,逻辑回归,分类器,参数自适应,图线,图标,标准要素,误识,识别率
AB值：
0.265465
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
