基于云雾结合的工件深度学习识别问题研究 |
| |
引用本文: | 姚锡凡,蓝宏宇,陶韬,雷毅.基于云雾结合的工件深度学习识别问题研究[J].华南理工大学学报(自然科学版),2019,47(12). |
| |
作者姓名: | 姚锡凡 蓝宏宇 陶韬 雷毅 |
| |
作者单位: | 华南理工大学 机械与汽车工程学院,广东 广州510640;华南理工大学 机械与汽车工程学院,广东 广州510640;华南理工大学 机械与汽车工程学院,广东 广州510640;华南理工大学 机械与汽车工程学院,广东 广州510640 |
| |
基金项目: | 国家自然科学基金;国家自然科学基金;国家自然科学基金;中央高校基本科研业务费专项华南理工大学项目 |
| |
摘 要: | 统工业自动分拣存在工件识别准确率不高、特征定义复杂等问题,虽然新兴的深度学习为此类问题提供了较好的解决方法,但仍存在对边缘端设备计算能力要求较高的问题,为此本文提出一种基于云雾结合的工件识别算法,即在云端采用改进ALEXNET卷积神经网络进行训练,然后将训练好的模型下载到雾(边缘)端设备,对工件进行实时识别.对100个不同工件进行实验,结果表明:改进后识别准确率从ALEXNET的98%提高到99%,模型参数减少25%,同时可以充分利用云端的强大计算能力与边缘设备的实时性,为智能工件识别提供了一种新途径.
|
关 键 词: | 深度学习 工件识别 云计算 雾计算 |
本文献已被 CNKI 万方数据 等数据库收录! |
|