深度学习在积木零件分类中的研究

发布时间：2022-01-22 10:11

　　工业自动化技术作为一门集机械、电子、计算机视觉于一体的综合性技术,在近几年受到了广泛的关注并迅速发展。图像分类是工业自动化领域一项具有挑战性的任务,并且有很大的应用潜力。传统的图像分类方法利用各种特征提取算法提取特征,通过分析不同图像之间的特征相似性来确定标签。随着图像处理和深度学习的快速发展,许多基于神经网络的图像分类算法相继被提出,这些算法的效果在一些大型的开放数据集上得到了充分的验证,但是仍然难以评价其在实际工业环境中的效果。由于工业环境条件的复杂性,导致现有算法在实际应用中难以有效工作,更重要的问题是缺乏开放的工业环境数据集来评价这些算法。因此,本文对实际工业生产中遇到的积木零件分类问题,建立一种基于真实工业环境的数据集,用本文建立的数据集对四种经典神经网络算法进行定性和定量的比较,最后提出一种基于多模型投票机制的积木零件分类网络模型。本文主要研究内容可以总结如下:（1）本文提出了一种基于真实工业环境的基准数据集FIST-Toy,该数据集可以应用许多问题,如目标分类、识别和定位。FIST-Toy数据集包含10个不同类别共2297幅图像,其中既有颜色相同轮廓不同的积木零件,也有颜... 

【文章来源】：云南大学云南省 211工程院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图２－２?ＲＧＢ颜色空间?

图像分类的基本过程是通过数据预处观的方法对图像进彳ｊ？处观，然后用机器??学二ｊ的方法提収特征，用提取到的特征训练分类模型，最后用ｉ川练得到的分类器对??未知图像进彳／分类。如图２－１所示。??测试图像????????：?１?＿??—数据预处理￣１?特征提取?￣１?ｂ杯描述?￣￣分类决策?￣？目标分类??数据预处理｜＿特征提取?｜＿＞｜目标描述＿？）分类器设计与学习??图２－１图像分类基本流程??图像分类基本流程中，特征是对所处理图像内容的描述和表示，特征捉取的输??出对计算机在后边的识别分类任务中起着决定作用。在用训练好的分类梭甩对测??试图像进行分类判别时，通过计算匹配实体之间的相似度来判定阁像类别。??９??

颜色直方图不会随着图像旋转或平移而改变，在单一场景的图像分类中应非常广泛。由于颜色直方图只表示了颜色信息，在计算机视觉领域，颜色直方图通??常结合其他图像特征一起使用。??（３）方向梯度直方图（ＨＯＧ）??ＨＯＧ特征由Ｄａｌａｉ等人？提出，该特征是一种用梯度或边缘的方向密度分布描??述图像的算子，ＨＯＧ结合机器学习方法在图像分类屮应用｜？分广泛。图２－５给出??了?ＨＯＧ特征提取算法的大概流程。??输入图像￣￣｜——？（归＿化图像｜?？（计算梯度￣￣??｜?｜??＜分割（：；单元ｆ组合ｃｅｌｌ为大＾?巴所有＂ｂｌｏｃｋＮ??士，并为每个?的ｂｌｏｃｋ块，?ｉ的特征向量??单元格构建?■块内归一化?＊串联成一个??．ＨＯＧ?Ｊ?Ｌ梯度直方图Ｊ?最终的ＨＯＧ?????

【参考文献】：
期刊论文
[1]图像物体分类与检测算法综述[J]. 黄凯奇,任伟强,谭铁牛.  计算机学报. 2014(06)
[2]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正.  计算机应用研究. 2012(08)



本文编号：3602006