基于神经网络的机械零件识别研究

发布时间：2020-06-15 07:35

【摘要】：机械零件自动检测是制造业中生产系统的一个重要环节，现代制造技术在各种批量生产以及在多品种的生产中，广泛地采用自动检测、产品识别来监控、保证产品质量，使得加工系统运行更可靠。它从一定程度上决定了实现企业柔性制造自动化的进程，是制造业信息化的关键环节。因而，计算机视觉检测技术在机械制造企业的产品质量检测和加工过程检测中的广泛应用具有十分重要的意义。自动目标识别(ART)技术是计算机视觉的一个重要分支，是指在无人干预的条件下，通过分析获取的图像数据对特殊物理目标的识别、定位和描述的模式识别技术。要实现机械零件的自动检测，首先要通过指定的测量或图像采集设备获得机械零件的图像，从而使机械零件数字化。然后对获得零件图像进行识别，得出零件的种类。最后对零件图像进行检测。本文所做的工作就是利用人工神经网络对已获得的机械零件图像进行识别。本文的思想源头来自于对人类视觉的灵活性及鲁棒性的考察，将人类视觉优势的根源即生物神经网络系统的人工数字模型即人工神经网络引入图像识别领域，与常规的数字图像处理技术相结合，旨在发挥两者的优势弥补双方的不足，寻找出一种具有较强的灵活性通用性以及鲁棒性的平面图像识别算法。为了实现机械零件图像的识别，本文作了如下工作： (1) 研究了图像处理方面的相关知识，研究了图像的滤波以及二值化的理论，对比了几种图像边缘检测算子，最终决定采用中值滤波并以Canny边缘检测算子检测图像边缘。 (2) 研究了图像的两种不变特征：Hu的仿射不变矩和NMI特征，通过实验验
【学位授予单位】：四川大学
【学位级别】：硕士
【学位授予年份】：2006
【分类号】：TH122

【引证文献】