發(fā)布時間：2021-08-17 20:16

　　工業(yè)4.0的不斷推進(jìn),也進(jìn)一步促使了人工智能與工業(yè)生產(chǎn)的結(jié)合。利用人工智能的方法,解決工業(yè)中的一些問題也成為發(fā)展過程中重要的一環(huán)。本文主要是對半徑在5mm以內(nèi)的小刀斷刀進(jìn)行檢測。該大小的刀具在加工過程中一般出現(xiàn)斷刀的情況,整個斷刀系統(tǒng)對該情況的檢測有比較好的使用價值。通過GooleNet進(jìn)行遷移學(xué)習(xí),實現(xiàn)對斷刀的檢測。對于拍攝到的圖片,首先通過模板匹配以及對圖像的縮放等方法,去除無關(guān)的背景,并將其統(tǒng)一化到同等大小,這樣可以有效的去除刀具的大小對最后結(jié)果影響,同時也增強(qiáng)了整個模型對刀具大小的適應(yīng)性。然后將處理后的圖片作為訓(xùn)練集,在訓(xùn)練過程中,通過參數(shù)的設(shè)定,以及對訓(xùn)練過程中出現(xiàn)的過擬合等問題進(jìn)行處理,最后達(dá)到了90%左右的準(zhǔn)確率,但是整個模型在拍攝條件比較差的情況中的表現(xiàn)并不是很好,整體準(zhǔn)確率有一定幅度的下滑。針對出現(xiàn)的這些問題,通過對模型進(jìn)行遷移學(xué)習(xí),添加inception模塊對原有的網(wǎng)絡(luò)模型進(jìn)行改進(jìn),增加了原有模型網(wǎng)絡(luò)的深度和寬度,同時對原有模型中出現(xiàn)的過擬合的問題也有了比較好的解決,并且在整個訓(xùn)練過程中,訓(xùn)練的速度是原來速度的1.5倍,同時針對原來模型中對一些拍攝條件較差的圖片也有... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

BP神經(jīng)元結(jié)構(gòu)

華 中 科 技 大 學(xué) 碩 士 學(xué) 位 論 文的層稱為輸入層和輸出層，剩下的稱為隱藏層，該網(wǎng)絡(luò)根據(jù)層數(shù)的不同可以劃單層前饋神經(jīng)網(wǎng)絡(luò)以及多層前饋神經(jīng)網(wǎng)絡(luò)。前饋神經(jīng)網(wǎng)絡(luò)的設(shè)計方法一般有：定型法可以作用于設(shè)計初始網(wǎng)絡(luò)；修剪法一般用于比較復(fù)雜的網(wǎng)絡(luò)設(shè)定，并且練是下降優(yōu)化的過程，但是并不能保證收斂到全局最小或者足夠好的局部最小單的前饋神經(jīng)網(wǎng)絡(luò)層次結(jié)構(gòu)如圖 1-2 所示。

處理后的正常刀具圖片 處理后斷刀的圖片圖 2-2 處理后的刀具圖片之前設(shè)計片會進(jìn)行一個卷積操作，設(shè)置的卷積核的數(shù)量為32，卷積核的de 為(1,1)，并通過維度不變的方式進(jìn)行濾波，通過維度不變的保持不變，這樣更好的控制整個特征圖的大小。并通過 relu算的公式如 2.2 所示。 iilijconv :relu(kxb)()0數(shù)的作用增加整個網(wǎng)絡(luò)的非線性。其函數(shù)圖像如圖 2-3 所示

【參考文獻(xiàn)】：
期刊論文
[1]正則化參數(shù)求解方法研究[J]. 楊浩,馬建紅.  計算機(jī)測量與控制. 2017(08)
[2]四種貝葉斯分類器及其比較[J]. 鄧甦,付長賀.  沈陽師范大學(xué)學(xué)報(自然科學(xué)版). 2008(01)

碩士論文
[1]圖像處理及圖像融合[D]. 郭利明.西北工業(yè)大學(xué) 2006



本文編號：3348425