典型文献
小样本问题下的铣削表面粗糙度测量
文献摘要：
基于机器视觉的粗糙度测量方法大多是根据粗糙度关联指标建立预测模型,或者利用深度学习网络建立无指标预测模型,而这两类方法均存在着不足.一方面,人工设计指标的计算过程复杂,不利于在线检测.另一方面,深度学习模型则严重依赖大数据,数据量不足难以训练出有效的模型.针对以上问题,本文提出一种基于图神经网络的铣削表面粗糙度测量方法.该方法在训练阶段获取了自主学习的能力,而后仅需要少量铣削样本就能够完成铣削工件的粗糙度测量.试验结果表明,本文方法在铣削工件的粗糙度测量上不仅能够自动提取特征,而且表现出了较高的精度和良好的光照环境鲁棒性.
文献关键词：
表面粗糙度测量;图神经网络;小样本问题;特征自提取;光照环境
中图分类号：
作者姓名：
易怀安;方润基;舒爱华;路恩会
作者机构：
桂林理工大学机械与控制工程学院,广西桂林541006;桂林理工大学外国语学院,广西桂林541006;扬州大学机械工程学院,江苏扬州225009
文献出处：
引用格式：
[1]易怀安;方润基;舒爱华;路恩会-.小样本问题下的铣削表面粗糙度测量)[J].激光与光电子学进展,2022(23):255-261
A类：
B类：
小样本问题,题下,铣削,表面粗糙度测量,机器视觉,关联指标,深度学习网络,指标预测,设计指标,在线检测,深度学习模型,数据量,练出,图神经网络,训练阶段,工件,自动提取,提取特征,光照环境,特征自提取
AB值：
0.296946
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。
