近幾年來,我國汽車產(chǎn)量持續(xù)穩(wěn)定增長,連續(xù)9年蟬聯(lián)世界第一,這給汽車相關企業(yè)帶來了機遇和挑戰(zhàn)。汽車輪轂作為汽車重要的零部件,其在生產(chǎn)制造運輸過程中需要根據(jù)實際情況對輪轂進行分類識別�，F(xiàn)有的輪轂智能分類系統(tǒng)采用傳統(tǒng)的計算機視覺算法,一方面其需要人工確定提取的特征,費時費力且特征的魯棒性能較差;另一方面,系統(tǒng)的集成度高,很難進行二次開發(fā)。因此,本文以機器學習為核心設計了一套汽車輪轂智能分類系統(tǒng)。首先,在對國內(nèi)外相關技術進行研究的基礎上,結合工廠實際情況設計輪轂智能分類識別系統(tǒng)方案,確定了系統(tǒng)的軟硬件選型。其次,分別研究了傳統(tǒng)的圖像特征提取方法與基于卷積神經(jīng)網(wǎng)絡的特征提取方法。在傳統(tǒng)的圖像特征提取中重點研究了圖像去噪,圖像分割以及輪轂的半徑,中心孔洞,轉動慣量特征提取方法。在卷積神經(jīng)網(wǎng)絡中以VGG網(wǎng)絡為基礎網(wǎng)絡進行網(wǎng)絡結構與參數(shù)設計,并在網(wǎng)絡訓練中引入并行計算。最后,針對標準輪轂與同類別不同系列輪轂分類分別提出方案。針對標準輪轂分類,本文從預處理復雜度,算法效率,分類準確性,算法魯棒性四個方面對比了傳統(tǒng)輪轂圖像分類方案與基于機器學習的卷積神經(jīng)網(wǎng)絡分類方案。最終確定以VGG網(wǎng)絡進行圖像分類。在檢...

【文章頁數(shù)】：85 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 機器學習研究現(xiàn)狀
        1.3.1 機器學習概述
        1.3.2 卷積神經(jīng)網(wǎng)絡理論研究
        1.3.3 機器學習在輪轂分類中的應用
    1.4 主要研究內(nèi)容
第二章 系統(tǒng)設計
    2.1 系統(tǒng)方案
    2.2 硬件部分
    2.3 PLC控制模塊
    2.4 軟件部分
    2.5 本章小結
第三章 圖像特征提取
    3.1 傳統(tǒng)圖像特征提取
        3.1.1 圖像預處理
        3.1.2 輪廓圓提取
        3.1.3 中心孔洞提取
        3.1.4 轉動慣量參數(shù)
    3.2 基于機器學習的圖像特征提取
        3.2.1 基于卷積神經(jīng)網(wǎng)絡的圖像預處理
        3.2.2 卷積神經(jīng)網(wǎng)絡結構設計
        3.2.3 卷積神經(jīng)網(wǎng)絡參數(shù)設計
    3.3 本章小結
第四章 基于機器學習的分類器
    4.1 數(shù)據(jù)集與實驗環(huán)境
    4.2 決策樹
    4.3 支持向量機
    4.4 神經(jīng)網(wǎng)絡
    4.5 本章小結
第五章 實驗結果與分析
    5.1 數(shù)據(jù)集與實驗環(huán)境
    5.2 特征提取
    5.3 結果與分析
        5.3.1 標準輪轂分類方案分析
        5.3.2 同類不同系列輪轂分類方案分析
    5.4 本章小結
第六章 總結與展望
    6.1 工作總結
    6.2 工作展望
參考文獻
致謝
作者攻讀學位期間發(fā)表的學術論文目錄



本文編號：3736353