-
题名基于环形特征的卷积神经网络轮毂识别
被引量:3
- 1
-
-
作者
程淑红
芦嘉鑫
张典范
徐南
-
机构
燕山大学电气工程学院
燕山大学河北省特种运载装备重点实验室
秦皇岛职业技术学院
-
出处
《计量学报》
CSCD
北大核心
2022年第6期730-736,共7页
-
基金
国家自然科学基金(61601400)
河北省重点研发计划(20371801D)。
-
文摘
针对实际生产中不同种类轮毂的混流生产问题,提出了一种基于环形特征的卷积神经网络轮毂识别算法。将直角坐标下的环形轮毂映射到极坐标中,归一化为标准形式的矩形,提取轮毂图像的环形特征信息,减少冗余特征产生的影响;设计了一种改进的VGG网络架构,利用深度可分离卷积打破输出通道维度与卷积核大小的联系,在不损失网络性能的同时降低了计算量,能够在实际生产中轮毂识别任务在有限的算力情况下实时进行计算;从有效性和实时性两个方面对轮毂识别算法进行评估,且通过Inception V3、SVM、KNN等模型的对比实验,验证了该算法可以实时地对轮毂自适应分类。实验表明:该方法对轮毂图像的处理精度达到99%以上,单幅图像平均处理时间降低至11.78 ms。
-
关键词
计量学
轮毂识别
环形特征
图像归一化
卷积神经网络
深度可分离卷积
-
Keywords
metrology
wheel model identification
ring features
image normalization
convolutional neural networks
depthwise separable convolution
-
分类号
TB96
[机械工程—光学工程]
-