基于深度神经网络的开关安装纠错系统设计与实现

发布时间：2022-12-10 16:12

　　随着工业的发展和科学技术的进步,越来越多的新技术正逐步应用到工业生产当中。这很大程度上减轻了工人不必要的负担,使得工人的工作越来越来简单、不会出错,更是大大提高了生产效率。而在这些新技术当中,深度神经网络在最近几年更是如火如荼,广泛应用到各个领域当中。当然应用在图像识别中就必不可少了,基于深度神经网络的图像识别技术现在已愈发成熟,识别的错误率现在已远低于人眼视觉识别。所以目前,一些工业上的检测正逐步从人眼视觉检测转化到计算机视觉检测。如今,在汽车厂的车间生产线上,需要人工安装汽车开关按键面板,并且是人工检测安装是否正确。由于在安装之前需要工人熟悉生产计划和开关按键信息,这增加了工作难度,再加上长时间重复相同的操作,工人非常容易疲劳,难免会出现错装、漏装等情况。这样安装错误的面板一旦安装在整车上,以后再想更改错误,付出的代价是巨大的。所以为了解决这个问题,本文设计并实现了一套基于深度神经网络的开关安装纠错系统。该系统主要实现两个功能:第一部分是实现半自动化引导功能,使工人无需了解生产计划便可正确安装开关;第二部分是对安装完成的面板进行检测,以确保开关按键安装正确。对于系统的第一部分功能,... 

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 深度学习的发展
    1.3 深度学习在图像识别中的研究现状
    1.4 论文主要研究内容
    1.5 论文组织结构
第2章 需求分析与系统架构
    2.1 需求分析
        2.1.1 半自动化引导模块需求分析
        2.1.2 计算机视觉检测模块需求分析
    2.2 系统架构
        2.2.1 半自动化引导系统架构
        2.2.2 视觉检测系统架构
        2.2.3 总体架构
    2.3 本章小结
第3章 关键技术
    3.1 深度学习
        3.1.1 深度学习的概念
        3.1.2 浅层学习与深度学习
        3.1.3 深度学习的优点
    3.2 常用深度学习模型
        3.2.1 深度信念网络
        3.2.2 循环神经网络
        3.2.3 卷积神经网络
    3.3 Tensorflow
    3.4 本章小结
第4章 系统实现
    4.1 硬件部分实现
        4.1.1 设备选材
        4.1.2 工作台
    4.2 图像采集模块
    4.3 图像识别模块
        4.3.1 获取图片样本
        4.3.2 基于深度信念网络的网络构造
        4.3.3 基于循环神经网络的网络构造
        4.3.4 基于卷积神经网络的网络构造
        4.3.5 实验结果分析
    4.4 图像匹配模块
    4.5 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢



本文编号：3717078