基于深度学习的主轴承盖分类识别算法

摘要：

机械零件自动分类识别算法,在智能工业、自动化加工等领域具有广阔地应用前景.针对汽车发动机主轴承盖零件自动分类时,存在特征多表面分布和光照敏感等难点问题,提出多分支特征融合卷积神经网络(MFF-CNN).MFF-CNN具有2个子网络分支,分别提取主轴承盖2个表面的特征,经过特征融合,形成最终的零件分类特征.在网络结构设计上,MFF-CNN基于密集连接型卷积神经网络设计,通过增强网络层级间的特征重用,有效降低模型的参数量,缓解较小样本量条件下,深层网络的过拟合和梯度消失问题.实验结果表明,在实际采集的主轴承盖图像数据集上,MFF-CNN的识别率为91.6％,并对实际生产中的零件图像光照不均匀问题,具有良好的鲁棒性.

关键词：机械零件识别;卷积神经网络;细粒度图像分类;特征融合

所属期刊栏目：42

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2021-08-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：572-580