智能制造領域中對機器視覺技術的研究和發(fā)展由來已久,并且已經(jīng)具有了相當大體系和規(guī)模的落地項目。但是傳統(tǒng)機器視覺技術性能有限,在大規(guī)模的圖像識別,高復雜度的目標檢測、圖像分割等方面無法達到理想的效果。深度學習的出現(xiàn)從根本上解決了傳統(tǒng)算法的性能問題,無論在圖像處理還是在自然語言處理等領域都打破了傳統(tǒng)算法的性能瓶頸。但是深度學習的高性能依賴于大量的數(shù)據(jù)集和更深層的模型結(jié)構,導致模型參數(shù)數(shù)量過多,計算量過大,對硬件設備的性能具有極高依賴性。在實際的工業(yè)生產(chǎn)領域,大部分的機械設備屬于嵌入設備或移動設備,其內(nèi)存容量較小,CPU計算能力有限,難以滿足深度學習模型的計算需求。如何使深度學習模型能在嵌入式設備中順利運行,并滿足工業(yè)制造中的實時性要求成為當前的研究熱點,被稱為模型的“輕量化”。工業(yè)界深度學習的應用目前正處于起步階段。本課題從深度學習最新成果出發(fā),以工業(yè)制造領域的機械零件識別為研究對象,從原始數(shù)據(jù)的采集、數(shù)據(jù)集的預處理和構成、模型的輕量化改進三個方面進行研究,探索了機器視覺中深度學習的應用,并在自主采集的100類零件數(shù)據(jù)集上實現(xiàn)了98.81%的準確率。文章的主要內(nèi)容有:1、針對工業(yè)制造領域的常... 

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究意義
    1.2 研究現(xiàn)狀
        1.2.1 機器視覺研究現(xiàn)狀
        1.2.2 圖像識別研究現(xiàn)狀
    1.3 本文主要研究
    1.4 論文的結(jié)構
第2章 零件圖像采集系統(tǒng)設計
    2.1 采集及預處理流程
    2.2 多角度采集系統(tǒng)設計
        2.2.1 照明系統(tǒng)設置
        2.2.2 采集框架設置
    2.3 采集數(shù)據(jù)示例
    2.4 本章小結(jié)
第3章 零件定位裁剪和數(shù)據(jù)集構成
    3.1 圖像平滑和邊緣檢測
        3.1.1 圖像平滑
        3.1.2 邊緣檢測
    3.2 基于參數(shù)循環(huán)的零件定位
    3.3 數(shù)據(jù)集增強
    3.4 數(shù)據(jù)有效性驗證
    3.5 本章小結(jié)
第4章 FD-Densenet及其對零件的識別
    4.1 輕量化模型分析
    4.2 從Densenet到 FD-Densenet
        4.2.1 Densenet模型簡介
        4.2.2 FD-Densenet
    4.3 FD-Densenet與 Densenet實驗對比
    4.4 FD-Densenet與其他輕量化模型的對比
    4.5 本章小節(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
攻讀學位期間取得的研究成果
致謝


【參考文獻】：
期刊論文
[1]基于圖像處理技術的軍事目標識別方法綜述[J]. 王偉男,周亮.  電腦與信息技術. 2020(01)
[2]基于激光跟蹤儀和機器視覺的飛機翼身對接裝配偏差動態(tài)綜合修正[J]. 朱永國,張文博,鄧正平,劉春鋒.  機械工程學報. 2019(24)
[3]基于機器視覺的機器人智能采摘實驗平臺開發(fā)[J]. 徐雪峰,黃余.  中國農(nóng)機化學報. 2019(12)
[4]基于機器視覺的玉米幼苗葉面積檢測裝置設計及試驗[J]. 付豪,萬鵬,施家偉,楊萬能.  華中農(nóng)業(yè)大學學報. 2020(01)
[5]生成對抗網(wǎng)絡GAN綜述[J]. 梁俊杰,韋艦晶,蔣正鋒.  計算機科學與探索. 2020(01)
[6]光學遙感圖像目標檢測技術綜述[J]. 李曉斌,江碧濤,楊淵博,傅雨澤,岳文振.  航天返回與遙感. 2019(04)
[7]面向機柜表面缺陷檢測的不均勻光照和低亮度圖像增強方法[J]. 王偉江,彭業(yè)萍,曹廣忠,郭小勤.  儀器儀表學報. 2019(08)
[8]輕量化卷積神經(jīng)網(wǎng)絡技術研究[J]. 畢鵬程,羅健欣,陳衛(wèi)衛(wèi).  計算機工程與應用. 2019(16)
[9]機器視覺技術在農(nóng)業(yè)生產(chǎn)智能化中的應用綜述[J]. 仇裕淇,黃振楠,阮昭,林思浩.  機械研究與應用. 2019(02)
[10]聚合CNN特征的遙感圖像檢索[J]. 葛蕓,江順亮,葉發(fā)茂,姜昌龍,陳英,唐祎玲.  國土資源遙感. 2019(01)



本文編號：3657658