發(fā)布時(shí)間：2021-04-24 09:52

　　隨著人們生活水平的提高,科技的發(fā)展,促進(jìn)了中國(guó)汽車行業(yè)的崛起,故而傳統(tǒng)的汽車輪轂生產(chǎn)模式已經(jīng)跟不上當(dāng)今的市場(chǎng)發(fā)展速度。輪轂生產(chǎn)車間因場(chǎng)地限制,通常一條輪轂傳送線上,同時(shí)運(yùn)輸多種型號(hào)的輪轂。傳統(tǒng)汽車輪轂生產(chǎn)車間都是以人工對(duì)輪轂進(jìn)行分類分揀,人工操作效率低,且工作時(shí)間長(zhǎng)以后容易導(dǎo)致視覺(jué)疲勞、注意力不集中導(dǎo)致分揀錯(cuò)誤。為解決這一問(wèn)題,近年來(lái)關(guān)于機(jī)器代替人工,實(shí)現(xiàn)輪轂分揀的自動(dòng)化技術(shù)得到發(fā)展和運(yùn)用。為提高輪轂識(shí)別與分類技術(shù)的識(shí)別準(zhǔn)確率,對(duì)輪轂識(shí)別與分類算法做進(jìn)一步的研究。為提高輪轂識(shí)別算法性能,將粒子群算法進(jìn)行改進(jìn)后,分別用于優(yōu)化BP神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò),進(jìn)而構(gòu)建兩種輪轂識(shí)別與分類算法。主要研究工作和成果如下:（1）為更好的實(shí)現(xiàn)輪轂識(shí)別與分類,對(duì)常見(jiàn)的噪聲類型以及噪聲來(lái)源進(jìn)行分析后,結(jié)合經(jīng)典的濾波技術(shù),實(shí)現(xiàn)輪轂圖像預(yù)處理操作。首先,將灰度化圖像進(jìn)行濾波處理,選擇采用中值濾波技術(shù),在保護(hù)關(guān)注的輪轂特征信息的同時(shí),達(dá)到去噪的目的;其次,使用遺傳算法實(shí)現(xiàn)動(dòng)態(tài)閾值進(jìn)行圖像分割;之后,對(duì)圖像使用形態(tài)學(xué)處理方式進(jìn)一步去噪;最后,采用Canny邊緣檢測(cè)算法將圖像邊緣信息提取出來(lái)。進(jìn)行圖像預(yù)處理的目的是為了... 

【文章來(lái)源】：青島科技大學(xué)山東省

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 輪轂識(shí)別分類相關(guān)技術(shù)
        1.3.1 圖像處理方法
        1.3.2 圖像模式識(shí)別算法
    1.4 本文的主要研究?jī)?nèi)容
    1.5 本文的組織結(jié)構(gòu)
2 輪轂圖像預(yù)處理技術(shù)
    2.1 輪轂圖像預(yù)處理流程
    2.2 輪轂圖像噪聲處理技術(shù)
        2.2.1 噪聲分類
        2.2.2 圖像噪聲處理方法
        2.2.3 圖像噪聲處理方法對(duì)比
    2.3 圖像分割方法
        2.3.1 遺傳算法基礎(chǔ)理論
        2.3.2 基于遺傳算法的輪轂圖像動(dòng)態(tài)分割算法對(duì)比實(shí)驗(yàn)
    2.4 二值形態(tài)學(xué)運(yùn)算
    2.5 本章小結(jié)
3 輪轂特征提取算法
    3.1 提取外輪廓圓
        3.1.1 輪轂圖像填充
        3.1.2 輪轂圖像邊緣檢測(cè)
        3.1.3 擬合外輪廓圓
    3.2 提取輪輻個(gè)數(shù)
    3.3 提取輪輻之間的大孔洞寬度
    3.4 提取圓心到大孔洞下邊緣的距離
    3.5 提取輪轂中心圓的大小
    3.6 提取輪轂中心圓周邊小孔洞個(gè)數(shù)
    3.7 本章小結(jié)
4 基于改進(jìn)粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的輪轂識(shí)別與分類算法
    4.1 BP神經(jīng)網(wǎng)絡(luò)
    4.2 改進(jìn)粒子群算法
    4.3 基于改進(jìn)PSO算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法
    4.4 基于改進(jìn)PSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的算法實(shí)驗(yàn)分析
    4.5 基于改進(jìn)PSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法的輪轂識(shí)別軟件設(shè)計(jì)
        4.5.1 軟件主要功能
        4.5.2 功能模塊設(shè)計(jì)
            4.5.2.1 圖像預(yù)處理模塊
            4.5.2.2 特征提取模塊
            4.5.2.3 圖像分類模塊
            4.5.2.4 用戶查詢模塊
            4.5.2.5 自定義分類模型訓(xùn)練模塊
        4.5.3 軟件功能實(shí)現(xiàn)
    4.6 本章小結(jié)
5 基于改進(jìn)粒子群優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)的輪轂識(shí)別與分類算法
    5.1 卷積神經(jīng)網(wǎng)絡(luò)模型搭建
    5.2 優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)
        5.2.1 池化方式優(yōu)化
        5.2.2 改進(jìn)PSO優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)參數(shù)
    5.3 基于優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)的輪轂識(shí)別與分類算法實(shí)驗(yàn)分析
        5.3.1 Pooling方法比較
        5.3.2 基于改進(jìn)PSO優(yōu)化CNN的輪轂識(shí)別分類算法實(shí)驗(yàn)對(duì)比
    5.4 優(yōu)化CNN算法的輪轂識(shí)別效果展示
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄


【參考文獻(xiàn)】：
期刊論文
[1]基于遺傳算法最佳閾值分割的礦石圖像分割[J]. 張建立,孫深深,秦書(shū)棋.  科學(xué)技術(shù)與工程. 2019(07)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的宮頸癌細(xì)胞圖像識(shí)別的改進(jìn)算法[J]. 夏為為,夏哲雷.  中國(guó)計(jì)量大學(xué)學(xué)報(bào). 2018(04)
[3]改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)圖片分類識(shí)別方法[J]. 閆河,王鵬,董鶯艷,羅成,李煥.  計(jì)算機(jī)應(yīng)用與軟件. 2018(12)
[4]基于精英策略和Levy飛行的粒子群算法[J]. 張超,賀興時(shí),葉亞榮.  西安工程大學(xué)學(xué)報(bào). 2018(06)
[5]改進(jìn)PSO算法優(yōu)化LSSVM模型的短期客流量預(yù)測(cè)[J]. 陸文星,李楚.  計(jì)算機(jī)工程與應(yīng)用. 2019(18)
[6]使用遺傳算法和KSW熵法相結(jié)合的CT圖像分割[J]. 姚立平,潘中良.  電視技術(shù). 2018(11)
[7]改進(jìn)遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的大壩變形預(yù)測(cè)[J]. 邢尹,陳闖,劉立龍,程勝,蘇永檸,周威.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(08)
[8]改進(jìn)的自適應(yīng)Canny邊緣檢測(cè)算法[J]. 段鎖林,殷聰聰,李大偉.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(06)
[9]新型群智能優(yōu)化算法綜述[J]. 林詩(shī)潔,董晨,陳明志,張凡,陳景輝.  計(jì)算機(jī)工程與應(yīng)用. 2018(12)
[10]免疫遺傳算法分割圖像研究[J]. 賈春鶴,樊彥國(guó).  北京測(cè)繪. 2018(05)

碩士論文
[1]基于Hough變換定位與遺傳算法的腦腫瘤分割方法研究[D]. 孔媛媛.南昌航空大學(xué) 2018
[2]基于計(jì)算機(jī)視覺(jué)的輪轂型號(hào)識(shí)別[D]. 管永來(lái).燕山大學(xué) 2018
[3]基于信息熵的改進(jìn)小波包閾值去噪算法研究[D]. 周建.西南科技大學(xué) 2018
[4]鑄造鋁合金輪轂識(shí)別分類系統(tǒng)的研究[D]. 朱焜.華中科技大學(xué) 2017
[5]基于多特征融合的汽車輪轂識(shí)別與分類系統(tǒng)設(shè)計(jì)[D]. 韓衛(wèi).南京信息工程大學(xué) 2016
[6]醫(yī)學(xué)圖像濾波與增強(qiáng)技術(shù)研究[D]. 李艷麗.河南科技大學(xué) 2013
[7]基于光誘導(dǎo)介電泳全自動(dòng)微觀操作系統(tǒng)研究[D]. 鄭美娟.沈陽(yáng)理工大學(xué) 2013
[8]基于機(jī)器視覺(jué)的輪轂在線識(shí)別系統(tǒng)研究[D]. 柴汝剛.燕山大學(xué) 2011
[9]基于機(jī)器視覺(jué)的汽車輪轂形狀識(shí)別算法研究[D]. 趙嬌潔.沈陽(yáng)師范大學(xué) 2011
[10]基于數(shù)學(xué)形態(tài)學(xué)的圖像邊緣檢測(cè)方法研究[D]. 趙慧.大連理工大學(xué) 2010



本文編號(hào)：3157152