| 基于图像处理与卷积神经网络的零件识别 |
| |
| 引用本文： | 朱文博,余琦.基于图像处理与卷积神经网络的零件识别[J].计算技术与自动化,2022,41(1):106-111. |
| |
| 作者姓名： | 朱文博 余琦 |
| |
| 作者单位： | 上海理工大学 机械工程学院,上海 200093 |
| |
| 摘 要： | 为了提高零件识别的正确率和效率，提出了一种基于图像处理与机器学习的零件识别算法。首先对图像进行基于饱和度的灰度化；接着通过显著性增强、最大类间方差法(OTSU)的二值化和形态学闭运算求得二值图像；再以改进的种子填充法提取零件区域；最后通过图像关键点的尺度不变特征转换(SIFT)特征与卷积神经网络(CNN)模型相结合的方法识别零件。实验对减速箱、柱塞泵等其中的19种零件进行识别，结果显示零件识别算法的正确率可达98.95%，识别速度约5 fps。通过实验对比与分析，证明方法快速有效，具有较高的正确率和良好的鲁棒性。
|
| 关 键 词： | 零件识别 图像饱和度 种子填充法 尺度不变特征转换 卷积神经网络 |
Part Recognition Based on Image Processing and Convolutional Neural Network |
| |
| ZHU Wen-bo,YU Qi.Part Recognition Based on Image Processing and Convolutional Neural Network[J].Computing Technology and Automation,2022,41(1):106-111. |
| |
| Authors: | ZHU Wen-bo YU Qi |
| |
| Affiliation: | (School of Mechanical Engineering, University of Shanghai for Science and Technology, Shanghai 200093,China) |
| |
| Abstract: | |
| |
| Keywords: | part recognition image saturation seed filling method SIFT CNN |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算技术与自动化》浏览原始摘要信息 |
|
点击此处可从《计算技术与自动化》下载全文 |
