针对传统工件识别算法需要手工设计特征、通用性差,且识别准确率受工件的旋转、平移和光照变化等因素影响较大,提出了一种将卷积神经网络应用在工件识别中的算法。该算法利用卷积神经网络构建一个6层端到端的工件分类识别模型。该识别模型可以从原始工件图像中进行特征自学习,设计的分层结构可以将传统方法的特征提取和分类识别两个阶段融合在一起,可以进行端到端的分类识别。实验表明,基于卷积神经网络的工件识别算法在平均识别时间和平均识别准确率上均优于传统的工件识别算法。
科研之友
微信
新浪微博
Facebook
分享链接
