隨著人們生活水平的提高,科技的發(fā)展,促進了中國汽車行業(yè)的崛起,故而傳統(tǒng)的汽車輪轂生產(chǎn)模式已經(jīng)跟不上當今的市場發(fā)展速度。輪轂生產(chǎn)車間因場地限制,通常一條輪轂傳送線上,同時運輸多種型號的輪轂。傳統(tǒng)汽車輪轂生產(chǎn)車間都是以人工對輪轂進行分類分揀,人工操作效率低,且工作時間長以后容易導致視覺疲勞、注意力不集中導致分揀錯誤。為解決這一問題,近年來關于機器代替人工,實現(xiàn)輪轂分揀的自動化技術得到發(fā)展和運用。為提高輪轂識別與分類技術的識別準確率,對輪轂識別與分類算法做進一步的研究。為提高輪轂識別算法性能,將粒子群算法進行改進后,分別用于優(yōu)化BP神經(jīng)網(wǎng)絡和卷積神經(jīng)網(wǎng)絡,進而構建兩種輪轂識別與分類算法。主要研究工作和成果如下:（1）為更好的實現(xiàn)輪轂識別與分類,對常見的噪聲類型以及噪聲來源進行分析后,結合經(jīng)典的濾波技術,實現(xiàn)輪轂圖像預處理操作。首先,將灰度化圖像進行濾波處理,選擇采用中值濾波技術,在保護關注的輪轂特征信息的同時,達到去噪的目的;其次,使用遺傳算法實現(xiàn)動態(tài)閾值進行圖像分割;之后,對圖像使用形態(tài)學處理方式進一步去噪;最后,采用Canny邊緣檢測算法將圖像邊緣信息提取出來。進行圖像預處理的目的是為了... 

【文章來源】：青島科技大學山東省

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 輪轂識別分類相關技術
        1.3.1 圖像處理方法
        1.3.2 圖像模式識別算法
    1.4 本文的主要研究內(nèi)容
    1.5 本文的組織結構
2 輪轂圖像預處理技術
    2.1 輪轂圖像預處理流程
    2.2 輪轂圖像噪聲處理技術
        2.2.1 噪聲分類
        2.2.2 圖像噪聲處理方法
        2.2.3 圖像噪聲處理方法對比
    2.3 圖像分割方法
        2.3.1 遺傳算法基礎理論
        2.3.2 基于遺傳算法的輪轂圖像動態(tài)分割算法對比實驗
    2.4 二值形態(tài)學運算
    2.5 本章小結
3 輪轂特征提取算法
    3.1 提取外輪廓圓
        3.1.1 輪轂圖像填充
        3.1.2 輪轂圖像邊緣檢測
        3.1.3 擬合外輪廓圓
    3.2 提取輪輻個數(shù)
    3.3 提取輪輻之間的大孔洞寬度
    3.4 提取圓心到大孔洞下邊緣的距離
    3.5 提取輪轂中心圓的大小
    3.6 提取輪轂中心圓周邊小孔洞個數(shù)
    3.7 本章小結
4 基于改進粒子群優(yōu)化BP神經(jīng)網(wǎng)絡的輪轂識別與分類算法
    4.1 BP神經(jīng)網(wǎng)絡
    4.2 改進粒子群算法
    4.3 基于改進PSO算法優(yōu)化BP神經(jīng)網(wǎng)絡算法
    4.4 基于改進PSO優(yōu)化BP神經(jīng)網(wǎng)絡的算法實驗分析
    4.5 基于改進PSO優(yōu)化BP神經(jīng)網(wǎng)絡算法的輪轂識別軟件設計
        4.5.1 軟件主要功能
        4.5.2 功能模塊設計
            4.5.2.1 圖像預處理模塊
            4.5.2.2 特征提取模塊
            4.5.2.3 圖像分類模塊
            4.5.2.4 用戶查詢模塊
            4.5.2.5 自定義分類模型訓練模塊
        4.5.3 軟件功能實現(xiàn)
    4.6 本章小結
5 基于改進粒子群優(yōu)化卷積神經(jīng)網(wǎng)絡的輪轂識別與分類算法
    5.1 卷積神經(jīng)網(wǎng)絡模型搭建
    5.2 優(yōu)化卷積神經(jīng)網(wǎng)絡
        5.2.1 池化方式優(yōu)化
        5.2.2 改進PSO優(yōu)化卷積神經(jīng)網(wǎng)絡參數(shù)
    5.3 基于優(yōu)化卷積神經(jīng)網(wǎng)絡的輪轂識別與分類算法實驗分析
        5.3.1 Pooling方法比較
        5.3.2 基于改進PSO優(yōu)化CNN的輪轂識別分類算法實驗對比
    5.4 優(yōu)化CNN算法的輪轂識別效果展示
    5.5 本章小結
6 總結與展望
    6.1 總結
    6.2 展望
參考文獻
致謝
攻讀學位期間發(fā)表的學術論文目錄


【參考文獻】：
期刊論文
[1]基于遺傳算法最佳閾值分割的礦石圖像分割[J]. 張建立,孫深深,秦書棋.  科學技術與工程. 2019(07)
[2]基于卷積神經(jīng)網(wǎng)絡的宮頸癌細胞圖像識別的改進算法[J]. 夏為為,夏哲雷.  中國計量大學學報. 2018(04)
[3]改進的卷積神經(jīng)網(wǎng)絡圖片分類識別方法[J]. 閆河,王鵬,董鶯艷,羅成,李煥.  計算機應用與軟件. 2018(12)
[4]基于精英策略和Levy飛行的粒子群算法[J]. 張超,賀興時,葉亞榮.  西安工程大學學報. 2018(06)
[5]改進PSO算法優(yōu)化LSSVM模型的短期客流量預測[J]. 陸文星,李楚.  計算機工程與應用. 2019(18)
[6]使用遺傳算法和KSW熵法相結合的CT圖像分割[J]. 姚立平,潘中良.  電視技術. 2018(11)
[7]改進遺傳算法和BP神經(jīng)網(wǎng)絡的大壩變形預測[J]. 邢尹,陳闖,劉立龍,程勝,蘇永檸,周威.  計算機工程與設計. 2018(08)
[8]改進的自適應Canny邊緣檢測算法[J]. 段鎖林,殷聰聰,李大偉.  計算機工程與設計. 2018(06)
[9]新型群智能優(yōu)化算法綜述[J]. 林詩潔,董晨,陳明志,張凡,陳景輝.  計算機工程與應用. 2018(12)
[10]免疫遺傳算法分割圖像研究[J]. 賈春鶴,樊彥國.  北京測繪. 2018(05)

碩士論文
[1]基于Hough變換定位與遺傳算法的腦腫瘤分割方法研究[D]. 孔媛媛.南昌航空大學 2018
[2]基于計算機視覺的輪轂型號識別[D]. 管永來.燕山大學 2018
[3]基于信息熵的改進小波包閾值去噪算法研究[D]. 周建.西南科技大學 2018
[4]鑄造鋁合金輪轂識別分類系統(tǒng)的研究[D]. 朱焜.華中科技大學 2017
[5]基于多特征融合的汽車輪轂識別與分類系統(tǒng)設計[D]. 韓衛(wèi).南京信息工程大學 2016
[6]醫(yī)學圖像濾波與增強技術研究[D]. 李艷麗.河南科技大學 2013
[7]基于光誘導介電泳全自動微觀操作系統(tǒng)研究[D]. 鄭美娟.沈陽理工大學 2013
[8]基于機器視覺的輪轂在線識別系統(tǒng)研究[D]. 柴汝剛.燕山大學 2011
[9]基于機器視覺的汽車輪轂形狀識別算法研究[D]. 趙嬌潔.沈陽師范大學 2011
[10]基于數(shù)學形態(tài)學的圖像邊緣檢測方法研究[D]. 趙慧.大連理工大學 2010



本文編號：3157152