基于机器学习的汽车轮毂智能分类识别系统研究

发布时间：2023-02-06 17:54

　　近几年来,我国汽车产量持续稳定增长,连续9年蝉联世界第一,这给汽车相关企业带来了机遇和挑战。汽车轮毂作为汽车重要的零部件,其在生产制造运输过程中需要根据实际情况对轮毂进行分类识别。现有的轮毂智能分类系统采用传统的计算机视觉算法,一方面其需要人工确定提取的特征,费时费力且特征的鲁棒性能较差;另一方面,系统的集成度高,很难进行二次开发。因此,本文以机器学习为核心设计了一套汽车轮毂智能分类系统。首先,在对国内外相关技术进行研究的基础上,结合工厂实际情况设计轮毂智能分类识别系统方案,确定了系统的软硬件选型。其次,分别研究了传统的图像特征提取方法与基于卷积神经网络的特征提取方法。在传统的图像特征提取中重点研究了图像去噪,图像分割以及轮毂的半径,中心孔洞,转动惯量特征提取方法。在卷积神经网络中以VGG网络为基础网络进行网络结构与参数设计,并在网络训练中引入并行计算。最后,针对标准轮毂与同类别不同系列轮毂分类分别提出方案。针对标准轮毂分类,本文从预处理复杂度,算法效率,分类准确性,算法鲁棒性四个方面对比了传统轮毂图像分类方案与基于机器学习的卷积神经网络分类方案。最终确定以VGG网络进行图像分类。在检...

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 机器学习研究现状
        1.3.1 机器学习概述
        1.3.2 卷积神经网络理论研究
        1.3.3 机器学习在轮毂分类中的应用
    1.4 主要研究内容
第二章 系统设计
    2.1 系统方案
    2.2 硬件部分
    2.3 PLC控制模块
    2.4 软件部分
    2.5 本章小结
第三章 图像特征提取
    3.1 传统图像特征提取
        3.1.1 图像预处理
        3.1.2 轮廓圆提取
        3.1.3 中心孔洞提取
        3.1.4 转动惯量参数
    3.2 基于机器学习的图像特征提取
        3.2.1 基于卷积神经网络的图像预处理
        3.2.2 卷积神经网络结构设计
        3.2.3 卷积神经网络参数设计
    3.3 本章小结
第四章 基于机器学习的分类器
    4.1 数据集与实验环境
    4.2 决策树
    4.3 支持向量机
    4.4 神经网络
    4.5 本章小结
第五章 实验结果与分析
    5.1 数据集与实验环境
    5.2 特征提取
    5.3 结果与分析
        5.3.1 标准轮毂分类方案分析
        5.3.2 同类不同系列轮毂分类方案分析
    5.4 本章小结
第六章 总结与展望
    6.1 工作总结
    6.2 工作展望
参考文献
致谢
作者攻读学位期间发表的学术论文目录



本文编号：3736353