針對(duì)中小企業(yè)在箱包制造領(lǐng)域?qū)ξ褰鸺謷匀徊捎萌斯し绞?存在分揀效率低,成本高,勞動(dòng)強(qiáng)度大等問題,本文致力于研究一種滿足這些企業(yè)需求的基于機(jī)器視覺方法的五金件分揀方法,建立基于深度學(xué)習(xí)的結(jié)合五金件圖像分層特征分揀模型,完成五金件圖像檢索演示系統(tǒng)的開發(fā)。所提出的針對(duì)箱包領(lǐng)域中小企業(yè)需要的基于深度學(xué)習(xí)結(jié)合五金件圖像分層特征分揀方法經(jīng)過真實(shí)數(shù)據(jù)的測(cè)試,達(dá)到了可以實(shí)用的程度。本文主要研究?jī)?nèi)容和特色如下:1.箱包生產(chǎn)企業(yè)五金件圖像的采集、預(yù)處理和特征分層。箱包生產(chǎn)企業(yè)采集的原始五金件圖像雜亂無章,無法保證圖像數(shù)據(jù)質(zhì)量和分揀或檢索的準(zhǔn)確性要求。首先,根據(jù)五金件圖像的特征進(jìn)行特征分層,將所采集到的五金件圖像分為兩個(gè)特征層次,即基于五金件類別特征層次（粗粒度特征層次）和每個(gè)類別下的五金件型號(hào)特征層次（細(xì)粒度特征層次）;其次,對(duì)采集的五金件圖像使用幾何變換技術(shù)進(jìn)行數(shù)據(jù)增強(qiáng);再次,針對(duì)所采集的五金件圖像存在背景復(fù)雜但與前景（即五金件）有著較大特征區(qū)別的問題,采用基于SVM的圖像分割技術(shù)對(duì)圖像進(jìn)行數(shù)據(jù)增強(qiáng);最后將經(jīng)過預(yù)處理和特征分層的五金件圖像作為深度學(xué)習(xí)訓(xùn)練和測(cè)試用的圖像數(shù)據(jù)集。2.分析了目前流行的三種卷... 

【文章來源】：南昌大學(xué)江西省 211工程院校

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

論文技術(shù)路線

角度、光照充足的情況下采集，均為原始分辨率為圖像。原始的五金件圖像數(shù)據(jù)特征具有多樣性，在發(fā)現(xiàn)同一個(gè)五金件在不同的圖像中主要有以下兩點(diǎn)因素。如圖 2.1 所示，同一個(gè)零件在采集的時(shí)候會(huì)金件的形狀不同，會(huì)有不同側(cè)面的圖像。

零件水平與豎直偏轉(zhuǎn)在分析了影響因素情況下，共挑選了8308張?jiān)嘉褰鸺䦂D像


本文編號(hào)：3296175