Print

基于监督式机器学习的零件几何特征智能识别

论文摘要

针对在采用机器视觉的无夹具定位的壳体类零件几何参数检测过程中,需要先智能识别零件几何特征以规划检测路径的问题,提出一种基于监督式机器学习的几何特征智能识别方法。利用壳体零件待识别特征的中心位置关系构成特征矩阵,利用监督式机器学习算法进行识别,提出一种基于特征唯一性的纠错方法对分类过程中产生的识别错误进行纠正。对于所涉研究实例,零件共有4个待识别孔,在5次监督式训练后智能识别准确度达100%。

论文目录

  • 1 引言
  • 2 特征矩阵的生成方法
  •   2.1 实验平台
  •   2.2 图像预处理
  •   2.3 生成特征矩阵
  • 3 基于监督式机器学习的分类方法
  •   3.1 决策树
  •   3.2 支持向量机
  •   3.3 多分类扩展
  •   3.4 分类方法分析
  • 4 验证与纠错方法
  •   4.1 精度验证
  •   4.2 特征唯一性纠错
  • 5 实验与分析
  • 6 结论

    • 文章来源

    类型: 期刊论文

    作者: 王玉源,徐杰,吉卫喜

    关键词: 监督式机器学习,机器视觉,零件几何特征,决策树,支持向量机

    来源: 计算机工程与应用 2019年22期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 机械工业,计算机软件及计算机应用,自动化技术

    单位: 江南大学机械工程学院

    基金: 江苏省自然科学基金（No.BK20160182）

    分类号: TP391.41;TP181;TH161.1

    页码: 225-230

    总页数: 6

    文件大小: 1433K

    下载量: 403

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/6a86cec99d116cb6bf23623a.html