典型文献
基于深度学习的固结磨料研磨垫表面形态表征
文献摘要：
固结磨料研磨垫的表面形态与其加工性能有着密切关系,为更好地了解固结磨料研磨垫表面形态,尤其是研磨垫中的金刚石、孔隙、金刚石脱落坑等的分布特征,提出一种基于深度学习的固结磨料研磨垫表面形态分析方法.首先,利用徕卡DVM6数字显微镜及其配套软件获取固结磨料研磨垫表面图像;然后,采用python3+OpenCV对图像进行预处理,并利用标注软件Labelme对图像进行标注,用于后续的训练和测试;最后,运用深度学习框架Tensorflow搭建Mask R-CNN模型.结果表明:Mask R-CNN模型能对单一固结磨料垫表面图像中的多目标进行有效分割与识别,其主要评价指标平均准确率达到78.9％,达到了图像识别的主流水平.
文献关键词：
固结磨料研磨垫;深度学习;目标检测;图像处理
中图分类号：
作者姓名：
胡伟栋;王占奎;董彦辉;张召;朱永伟
作者机构：
南京航空航天大学 机电学院, 南京 210016;河南科技学院 机电学院, 河南 新乡 453003
文献出处：
引用格式：
[1]胡伟栋;王占奎;董彦辉;张召;朱永伟-.基于深度学习的固结磨料研磨垫表面形态表征)[J].金刚石与磨料磨具工程,2022(02):186-192
A类：
固结磨料研磨垫,DVM6,python3+OpenCV,固结磨料垫
B类：
表面形态,形态表征,加工性能,密切关系,金刚石,形态分析,数字显微镜,配套软件,表面图像,Labelme,深度学习框架,Tensorflow,Mask,平均准确率,图像识别,目标检测
AB值：
0.184174
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。
