基于深度学习的五金件图像检索方法及其应用研究

发布时间：2021-07-22 01:35

　　针对中小企业在箱包制造领域对五金件分拣仍然采用人工方式,存在分拣效率低,成本高,劳动强度大等问题,本文致力于研究一种满足这些企业需求的基于机器视觉方法的五金件分拣方法,建立基于深度学习的结合五金件图像分层特征分拣模型,完成五金件图像检索演示系统的开发。所提出的针对箱包领域中小企业需要的基于深度学习结合五金件图像分层特征分拣方法经过真实数据的测试,达到了可以实用的程度。本文主要研究内容和特色如下:1.箱包生产企业五金件图像的采集、预处理和特征分层。箱包生产企业采集的原始五金件图像杂乱无章,无法保证图像数据质量和分拣或检索的准确性要求。首先,根据五金件图像的特征进行特征分层,将所采集到的五金件图像分为两个特征层次,即基于五金件类别特征层次（粗粒度特征层次）和每个类别下的五金件型号特征层次（细粒度特征层次）;其次,对采集的五金件图像使用几何变换技术进行数据增强;再次,针对所采集的五金件图像存在背景复杂但与前景（即五金件）有着较大特征区别的问题,采用基于SVM的图像分割技术对图像进行数据增强;最后将经过预处理和特征分层的五金件图像作为深度学习训练和测试用的图像数据集。2.分析了目前流行的三种卷... 

【文章来源】：南昌大学江西省 211工程院校

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

论文技术路线

角度、光照充足的情况下采集，均为原始分辨率为图像。原始的五金件图像数据特征具有多样性，在发现同一个五金件在不同的图像中主要有以下两点因素。如图 2.1 所示，同一个零件在采集的时候会金件的形状不同，会有不同侧面的图像。

零件水平与竖直偏转在分析了影响因素情况下，共挑选了8308张原始五金件图像


本文编号：3296175