基于神經(jīng)網(wǎng)絡的機械零件識別研究.pdf

1、機械零件自動檢測是制造業(yè)中生產(chǎn)系統(tǒng)的一個重要環(huán)節(jié)，現(xiàn)代制造技術在各種批量生產(chǎn)以及在多品種的生產(chǎn)中，廣泛地采用自動檢測、產(chǎn)品識別來監(jiān)控、保證產(chǎn)品質(zhì)量，使得加工系統(tǒng)運行更可靠。它從一定程度上決定了實現(xiàn)企業(yè)柔性制造自動化的進程，是制造業(yè)信息化的關鍵環(huán)節(jié)。因而，計算機視覺檢測技術在機械制造企業(yè)的產(chǎn)品質(zhì)量檢測和加工過程檢測中的廣泛應用具有十分重要的意義。自動目標識別(ART)技術是計算機視覺的一個重要分支，是指在無人干預的條件下，通過分析獲取的圖

2、像數(shù)據(jù)對特殊物理目標的識別、定位和描述的模式識別技術。 要實現(xiàn)機械零件的自動檢測，首先要通過指定的測量或圖像采集設備獲得機械零件的圖像，從而使機械零件數(shù)字化。然后對獲得零件圖像進行識別，得出零件的種類。最后對零件圖像進行檢測。本文所做的工作就是利用人工神經(jīng)網(wǎng)絡對已獲得的機械零件圖像進行識別。本文的思想源頭來自于對人類視覺的靈活性及魯棒性的考察，將人類視覺優(yōu)勢的根源即生物神經(jīng)網(wǎng)絡系統(tǒng)的人工數(shù)字模型即人工神經(jīng)網(wǎng)絡引入圖像識別領域，與

3、常規(guī)的數(shù)字圖像處理技術相結合，旨在發(fā)揮兩者的優(yōu)勢彌補雙方的不足，尋找出一種具有較強的靈活性通用性以及魯棒性的平面圖像識別算法。 為了實現(xiàn)機械零件圖像的識別，本文作了如下工作： (1)研究了圖像處理方面的相關知識，．研究了圖像的濾波以及二值化的理論，對比了幾種圖像邊緣檢測算子，最終決定采用中值濾波并以Canny邊緣檢測算子檢測圖像邊緣。 (2)研究了圖像的兩種不變特征：Hu的仿射不變矩和NMI特征，通過實驗驗

4、 證，發(fā)現(xiàn)Hu不變矩的5，6，7階不變矩關于圖像變換的穩(wěn)定性不如前4階矩，所以本文選擇了前4階不變矩和NMI特征作為本文機械零件圖像不變特征，作為神經(jīng)網(wǎng)絡的輸入。(3)分析和比較了近年來較為廣泛采用的幾種圖像識別方法，并主要介紹了神經(jīng)網(wǎng)絡識別法，分析了BP算法網(wǎng)絡模型的建立、學習規(guī)則、網(wǎng)絡結構設計、網(wǎng)絡訓練以及BP網(wǎng)絡算法的改進。 (4)建立了圖像識別的BP神經(jīng)網(wǎng)絡，采用了單隱含層，5-30．5的網(wǎng)絡結構；網(wǎng)絡激活函數(shù)采用lo