基于云雾结合的工件深度学习识别问题研究

摘要：

统工业自动分拣存在工件识别准确率不高、特征定义复杂等问题,虽然新兴的深度学习为此类问题提供了较好的解决方法,但仍存在对边缘端设备计算能力要求较高的问题,为此本文提出一种基于云雾结合的工件识别算法,即在云端采用改进ALEXNET卷积神经网络进行训练,然后将训练好的模型下载到雾(边缘)端设备,对工件进行实时识别.对1 00个不同工件进行实验,结果表明:改进后识别准确率从ALEXNET的98％提高到99％,模型参数减少25％,同时可以充分利用云端的强大计算能力与边缘设备的实时性,为智能工件识别提供了一种新途径.

关键词：深度学习、工件识别、云计算、雾计算

所属期刊栏目：47

分类号：TP391;TH164(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;国家自然科学基金委员会与英国爱丁堡皇家学会合作交流项目;华南理工大学中央高校基本科研业务费资助项目

在线出版日期：2020-03-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1-8