摘要： 在曲轴柔性生产线和装配线上，需要对不同种类曲轴进行智能、实时的识别和抓取。针对批量曲轴智能识别问题，提出一种基于深度卷积神经网络的曲轴种类识别方法。根据识别的要求，对图像进行预处理和数据增强，提高样本质量和数量，在卷积神经网络两个典型模型AlexNet和LeNet-5的基础上，调整了输入图像大小、模型层数以及输出层种类等参数，以AlexNet为基础模型设计了15种曲轴识别分类模型，以5类曲轴样本为例进行训练，并从15种曲轴识别分类模型中选择出最优模型，即识别精度较高且实时性较好的模型，称为模型A,模型A参数数量为1.607×106个，数据流为3.87 MB,前向传播时间为82.9 ms,识别精度为0.982。为解决模型A在训练过程中存在振荡大的问题，以及进一步缩小模型对内存的需求，对图像预处理过程进行改进，采用GrabCut算法进行图像分割，并以模型A为基础构建出了12种曲轴识别分类模型，同样以5类曲轴样本为例进行训练，筛选出识别精度较高的最优模型，称为模型B,模型B参数数量为0.39×106个，数据流为1.93 MB,前向传播时间为49.5...更多
中图分类号: