工業(yè)自動化技術(shù)作為一門集機械、電子、計算機視覺于一體的綜合性技術(shù),在近幾年受到了廣泛的關(guān)注并迅速發(fā)展。圖像分類是工業(yè)自動化領(lǐng)域一項具有挑戰(zhàn)性的任務(wù),并且有很大的應(yīng)用潛力。傳統(tǒng)的圖像分類方法利用各種特征提取算法提取特征,通過分析不同圖像之間的特征相似性來確定標簽。隨著圖像處理和深度學(xué)習(xí)的快速發(fā)展,許多基于神經(jīng)網(wǎng)絡(luò)的圖像分類算法相繼被提出,這些算法的效果在一些大型的開放數(shù)據(jù)集上得到了充分的驗證,但是仍然難以評價其在實際工業(yè)環(huán)境中的效果。由于工業(yè)環(huán)境條件的復(fù)雜性,導(dǎo)致現(xiàn)有算法在實際應(yīng)用中難以有效工作,更重要的問題是缺乏開放的工業(yè)環(huán)境數(shù)據(jù)集來評價這些算法。因此,本文對實際工業(yè)生產(chǎn)中遇到的積木零件分類問題,建立一種基于真實工業(yè)環(huán)境的數(shù)據(jù)集,用本文建立的數(shù)據(jù)集對四種經(jīng)典神經(jīng)網(wǎng)絡(luò)算法進行定性和定量的比較,最后提出一種基于多模型投票機制的積木零件分類網(wǎng)絡(luò)模型。本文主要研究內(nèi)容可以總結(jié)如下:（1）本文提出了一種基于真實工業(yè)環(huán)境的基準數(shù)據(jù)集FIST-Toy,該數(shù)據(jù)集可以應(yīng)用許多問題,如目標分類、識別和定位。FIST-Toy數(shù)據(jù)集包含10個不同類別共2297幅圖像,其中既有顏色相同輪廓不同的積木零件,也有顏... 

【文章來源】：云南大學(xué)云南省 211工程院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－２?ＲＧＢ顏色空間?

圖像分類的基本過程是通過數(shù)據(jù)預(yù)處觀的方法對圖像進彳ｊ？處觀，然后用機器??學(xué)二ｊ的方法提収特征，用提取到的特征訓(xùn)練分類模型，最后用ｉ川練得到的分類器對??未知圖像進彳／分類。如圖２－１所示。??測試圖像????????：?１?＿??—數(shù)據(jù)預(yù)處理￣１?特征提取?￣１?ｂ杯描述?￣￣分類決策?￣？目標分類??數(shù)據(jù)預(yù)處理｜＿特征提取?｜＿＞｜目標描述＿？）分類器設(shè)計與學(xué)習(xí)??圖２－１圖像分類基本流程??圖像分類基本流程中，特征是對所處理圖像內(nèi)容的描述和表示，特征捉取的輸??出對計算機在后邊的識別分類任務(wù)中起著決定作用。在用訓(xùn)練好的分類梭甩對測??試圖像進行分類判別時，通過計算匹配實體之間的相似度來判定閣像類別。??９??

顏色直方圖不會隨著圖像旋轉(zhuǎn)或平移而改變，在單一場景的圖像分類中應(yīng)非常廣泛。由于顏色直方圖只表示了顏色信息，在計算機視覺領(lǐng)域，顏色直方圖通??常結(jié)合其他圖像特征一起使用。??（３）方向梯度直方圖（ＨＯＧ）??ＨＯＧ特征由Ｄａｌａｉ等人？提出，該特征是一種用梯度或邊緣的方向密度分布描??述圖像的算子，ＨＯＧ結(jié)合機器學(xué)習(xí)方法在圖像分類屮應(yīng)用｜？分廣泛。圖２－５給出??了?ＨＯＧ特征提取算法的大概流程。??輸入圖像￣￣｜——？（歸＿化圖像｜?？（計算梯度￣￣??｜?｜??＜分割（：；單元ｆ組合ｃｅｌｌ為大＾?巴所有＂ｂｌｏｃｋＮ??士，并為每個?的ｂｌｏｃｋ塊，?ｉ的特征向量??單元格構(gòu)建?■塊內(nèi)歸一化?＊串聯(lián)成一個??．ＨＯＧ?Ｊ?Ｌ梯度直方圖Ｊ?最終的ＨＯＧ?????

【參考文獻】：
期刊論文
[1]圖像物體分類與檢測算法綜述[J]. 黃凱奇,任偉強,譚鐵牛.  計算機學(xué)報. 2014(06)
[2]深度學(xué)習(xí)研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計算機應(yīng)用研究. 2012(08)



本文編號：3602006