基于Foldingnet的一种零部件匹配方法

本研究介绍了一种在焊装装备智能设计过程中的零部件匹配方法。该方法利用深度学习AI技术,改进了Foldingnet网络框架,对零部件特征信息进行高速提取和模型训练,构建了一个零部件特征历史向量库。该方法将零部件的点云信息转化为算法模型进行训练,对零部件特征进行捕捉和学习。在匹配过程中,计算待匹配零部件的特征向量与历史零部件特征向量的相似度,选取相似度高于90%的结果作为推荐。试验结果证明,该方法有效地解决了现有技术中零部件搜索准确率低、时间长的问题,提升了设计效率,缩短了开发周期。