原文服务方: 现代电子技术       
摘要:
研究了基于BP神经网络的智能制造系统图像识别技术。在当前制造业系统设计中,由于图像资源结构复杂,通过BP神经网络,有助于提取图像特征、优选特征向量组成方案,从而优化实现智能制造系统图像识别技术。该文基于BP神经网络设计了一个智能制造系统,并采用B/S模式设计系统结构,制造系统的图像识别技术,可以降低系统在使用过程中18.0的冗余度,同时也提升该系统12.0%的应用性能。结论表明,基于BP神经网络设计实现智能制造系统图像识别技术,可以使系统的平台更具智能性,符合制造业信息化发展要求,提升智能制造系统图像识别性能。
推荐文章
基于双概率神经网络的纹理图像识别
纹理识别
小波包变换
差异演化
双概率神经网络
基于人工神经网络下的图像识别的研究
人工神经网络
BP神经网络
图像分割
基于卷积神经网络图像识别的智能电子秤系统
卷积神经网络
图像识别
机器视觉
智能电子秤系统
基于神经网络的脂肪肝B超图像识别研究
脂肪肝
纹理特征
特征提取
BP神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于BP神经网络的智能制造系统图像识别技术
来源期刊 现代电子技术 学科
关键词 B/S模式 智能制造系统 BP神经网络 图像识别技术
年,卷(期) 2016,(18) 所属期刊栏目 计算机应用技术
研究方向 页码范围 107-109
页数 3页 分类号 TN926-34
字数 语种 中文
DOI 10.16652/j.issn.1004-373x.2016.18.027
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 徐安林 13 28 3.0 5.0
2 李萍 19 61 5.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (122)
共引文献  (49)
参考文献  (11)
节点文献
引证文献  (13)
同被引文献  (65)
二级引证文献  (19)
1976(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(6)
  • 参考文献(0)
  • 二级参考文献(6)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(7)
  • 参考文献(0)
  • 二级参考文献(7)
2007(9)
  • 参考文献(0)
  • 二级参考文献(9)
2008(7)
  • 参考文献(0)
  • 二级参考文献(7)
2009(13)
  • 参考文献(0)
  • 二级参考文献(13)
2010(16)
  • 参考文献(0)
  • 二级参考文献(16)
2011(5)
  • 参考文献(0)
  • 二级参考文献(5)
2012(22)
  • 参考文献(2)
  • 二级参考文献(20)
2013(19)
  • 参考文献(4)
  • 二级参考文献(15)
2014(8)
  • 参考文献(3)
  • 二级参考文献(5)
2015(3)
  • 参考文献(2)
  • 二级参考文献(1)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(9)
  • 引证文献(3)
  • 二级引证文献(6)
2019(13)
  • 引证文献(6)
  • 二级引证文献(7)
2020(8)
  • 引证文献(2)
  • 二级引证文献(6)
研究主题发展历程
节点文献
B/S模式
智能制造系统
BP神经网络
图像识别技术
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代电子技术
半月刊
1004-373X
61-1224/TN
大16开
1977-01-01
chi
出版文献量(篇)
23937
总下载数(次)
0
总被引数(次)
135074
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导