科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文在参考前人研究结果的基础上，提出了一种以Mask-RCNN框架为基础构建的零件识别方法，该方法不仅具备了运用卷积神经网络提取零件图像特征和对图像微调Mask-RCNN网络进行数据标注等功能，同时还能生成相应的Mask分割掩码，对零件进行全方位的实例分割。有效增强了零件识别工作的及时性、全面性以及准确性。此外，该零件分割方法还能通过增强数据集数据、划分K折交叉验证等方式提升模型的鲁棒性，有效弥补了传统零件识别方法中存在的不足。仿真实验结果显示：基于上述理论构建的实例分割方法，具有显著的可行性和准确率，可在今后的工作中不断推广和使用。现将相关研究结果总结于下文，以供各位读者参考。
- 单位
