期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于遗传算法的2D机械零件分类识别 被引量：7
1
作者 柳云鹤 李苏 《传感器与微系统》 CSCD 2020年第8期148-151,共4页
提出了一种新的机器视觉零件分类方法。利用计算机图形,首先以3D模型建模机械零件,然后投影到x-y平面以生成一组2D图像;最后利用遗传算法(GA)的仿射变换采集图像和训练样本的模板比对进行识别。实验结果证明:本方法相比Hu不变矩方法具... 提出了一种新的机器视觉零件分类方法。利用计算机图形,首先以3D模型建模机械零件,然后投影到x-y平面以生成一组2D图像;最后利用遗传算法(GA)的仿射变换采集图像和训练样本的模板比对进行识别。实验结果证明:本方法相比Hu不变矩方法具有较高的零件识别率。 展开更多
关键词 机械零件识别 图像模型 仿射变换 遗传算法
下载PDF
基于改进YOLOv4-Tiny算法的机械零件识别
2
作者 杨一帆 靳伍银 +1 位作者 薛文亮 王浩浩 《机械设计》 CSCD 北大核心 2024年第7期61-65,共5页
为实现机械零件的精准快速识别,文中提出了一种基于改进的YOLOv4-Tiny算法的机械零件识别方法。该方法融合了注意力机制和K-means++聚类算法,采用CSPDarknet53-Tiny网络作为主干网络,并将卷积注意力机制模块(Convolution Block Attentio... 为实现机械零件的精准快速识别,文中提出了一种基于改进的YOLOv4-Tiny算法的机械零件识别方法。该方法融合了注意力机制和K-means++聚类算法,采用CSPDarknet53-Tiny网络作为主干网络,并将卷积注意力机制模块(Convolution Block Attention Module, CBAM;Global Attention Mechanism, GAM)加在YOLOv4-Tiny主干网络与特征金字塔的连接处及其上采样处,在不影响主干网络的条件下,对每个通道的特征信息重新压缩并提取,过滤掉冗余特征信息,保留重要特征信息,并重新分配权重;再用K-means++聚类算法得到一组与机械零件图像数据集相匹配的先验框参数。试验结果表明,与传统的YOLOv4-Tiny算法相比,改进后的YOLOv4-Tiny算法在保证实时性的前提下,平均召回率和平均准确率分别达到99.43%和99.41%,可以准确检测并定位机械零件图像的位置。 展开更多
关键词 YOLOv4-Tiny算法 机械零件识别 CBAM GAM K-means++聚类算法
下载PDF
基于深度学习的主轴承盖分类识别算法 被引量：4
3
作者 张鹏飞 石志良 +1 位作者 李晓垚 欧阳祥波 《图学学报》 CSCD 北大核心 2021年第4期572-580,共9页
机械零件自动分类识别算法,在智能工业、自动化加工等领域具有广阔地应用前景。针对汽车发动机主轴承盖零件自动分类时,存在特征多表面分布和光照敏感等难点问题,提出多分支特征融合卷积神经网络(MFF-CNN)。MFF-CNN具有2个子网络分支,... 机械零件自动分类识别算法,在智能工业、自动化加工等领域具有广阔地应用前景。针对汽车发动机主轴承盖零件自动分类时,存在特征多表面分布和光照敏感等难点问题,提出多分支特征融合卷积神经网络(MFF-CNN)。MFF-CNN具有2个子网络分支,分别提取主轴承盖2个表面的特征,经过特征融合,形成最终的零件分类特征。在网络结构设计上,MFF-CNN基于密集连接型卷积神经网络设计,通过增强网络层级间的特征重用,有效降低模型的参数量,缓解较小样本量条件下,深层网络的过拟合和梯度消失问题。实验结果表明,在实际采集的主轴承盖图像数据集上,MFF-CNN的识别率为91.6%,并对实际生产中的零件图像光照不均匀问题,具有良好的鲁棒性。 展开更多
关键词 机械零件识别 卷积神经网络 细粒度图像分类 特征融合
下载PDF
YOLOv5改进算法在机械零件中的识别与应用 被引量：1
4
作者 张浩洋 何仕荣 孟冬平 《软件工程与应用》 2022年第6期1446-1455,共10页
针对智能生产制造过程中,传统的目标检测算法对机械零件识别率不高,识别速度慢等问题,结合深度学习与现有算法,提出一种基于YOLOv5改进的目标检测算法。该算法在YOLOv5骨干网络中加入注意力机制,以用来改善原始YOLOv5算法对相似背景下... 针对智能生产制造过程中,传统的目标检测算法对机械零件识别率不高,识别速度慢等问题,结合深度学习与现有算法,提出一种基于YOLOv5改进的目标检测算法。该算法在YOLOv5骨干网络中加入注意力机制,以用来改善原始YOLOv5算法对相似背景下相似零件识别率低的问题;其次,通过引入CIou损失函数,使得改进后的YOLOv5算法能够更快地收敛并具有更好的性能;最后,将改进前后的算法模型分别训练后对机械零件进行识别并对比分析,证实改进后的YOLOv5算法具有高的识别精度和鲁棒性。 展开更多
关键词 深度学习 骨干网络 YOLOv5 机械零件识别
下载PDF
基于改进的Faster R-CNN算法的机械零件图像识别 被引量：11
5
作者 郭斐 靳伍银 王猛 《机械设计》 CSCD 北大核心 2019年第9期113-116,共4页
在传统的Faster R-CNN网络结构中减少原有的卷积层数,同时加入Inception结构层,提出一种基于Faster RCNN的零件识别的改进算法。该算法在保证不增加网络参数和计算量的前提下,增加深度和网络结构复杂度,进一步有效地提取图像的特征。结... 在传统的Faster R-CNN网络结构中减少原有的卷积层数,同时加入Inception结构层,提出一种基于Faster RCNN的零件识别的改进算法。该算法在保证不增加网络参数和计算量的前提下,增加深度和网络结构复杂度,进一步有效地提取图像的特征。结果表明:通过自制机械零件图像数据集,将传统Faster R-CNN与改进后的Faster R-CNN算法均成功应用于机械零件图像识别。与传统Faster R-CNN相比,基于改进后的Faster R-CNN深度学习算法识别机械零件的识别精度和准确度均更高。 展开更多
关键词 FASTER R-CNN算法 机械零件图像识别 Inception结构
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部