典型文献
基于深度卷积神经网络的曲轴智能识别方法研究
文献摘要：
在曲轴柔性生产线和装配线上,需要对不同种类曲轴进行智能、实时的识别和抓取.针对批量曲轴智能识别问题,提出一种基于深度卷积神经网络的曲轴种类识别方法.根据识别的要求,对图像进行预处理和数据增强,提高样本质量和数量,在卷积神经网络两个典型模型AlexNet和LeNet-5的基础上,调整了输入图像大小、模型层数以及输出层种类等参数,以AlexNet为基础模型设计了15种曲轴识别分类模型,以5类曲轴样本为例进行训练,并从15种曲轴识别分类模型中选择出最优模型,即识别精度较高且实时性较好的模型,称为模型A,模型A参数数量为1.607×106个,数据流为3.87 MB,前向传播时间为82.9 ms,识别精度为0.982.为解决模型A在训练过程中存在振荡大的问题,以及进一步缩小模型对内存的需求,对图像预处理过程进行改进,采用GrabCut算法进行图像分割,并以模型A为基础构建出了12种曲轴识别分类模型,同样以5类曲轴样本为例进行训练,筛选出识别精度较高的最优模型,称为模型B,模型B参数数量为0.39×106个,数据流为1.93 MB,前向传播时间为49.5 ms,识别精度为0.990.经过实验可得,优化后的模型B前向传播时间更快,内存需求更小,识别精度与模型A相当,并且从上述实验结果看,模型A和模型B均满足识别精度和实时性要求,模型B相较于模型LeNet-5和AlexNet,识别精度分别提高了0.12和0.025,前向传播时间分别缩短了45.6和22.5 ms,符合装配生产线上对曲轴种类识别的要求.
文献关键词：
曲轴分类;深度卷积神经网络;图像分割;种类识别
中图分类号：
作者姓名：
杨泽青;王春方;卢晨光;陈英姝;刘丽冰
作者机构：
河北工业大学机械工程学院,天津300130
文献出处：
引用格式：
[1]杨泽青;王春方;卢晨光;陈英姝;刘丽冰-.基于深度卷积神经网络的曲轴智能识别方法研究)[J].现代制造工程,2022(04):102-111
A类：
曲轴分类
B类：
深度卷积神经网络,智能识别方法,柔性生产线,装配线,抓取,种类识别,数据增强,典型模型,AlexNet,LeNet,层数,出层,基础模型,模型设计,种曲,识别分类,分类模型,最优模型,识别精度,数数,数据流,MB,传播时间,ms,训练过程,缩小模型,图像预处理,GrabCut,图像分割,装配生产线
AB值：
0.260081
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。
