基于迁移学习的零件识别方法研究

Research on part recognition method based on migration learning

机械产品的装配过程中,大量使用螺母、螺栓、螺钉和垫片典型标准件,对这四种零件的自动化识别具有十分重要的意义。提出一种使用迁移学习的深度卷积神经网络模型,用来解决螺母、螺栓、螺钉和垫片四种零件的识别精度问题。其特点与普通深度卷积神经网络模型相比较,非常适合用在小样本数据集上的训练。实验结果表明在达到较高识别精度时,该模型具有较少的迭代次数即可进入收敛阶段,其训练精度达到93%,验证精度达到100%,损失函数值为0.0475。