基于迁移学习的零件识别方法研究

• 作者: 陈志澜 陈绪
• 来源期刊: 制造业自动化
• 学科: 工学
• 关键词: 迁移学习 零件识别 卷积神经网络 训练模型
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 数字信号处理
• 页码范围: 81-86,94
• 页数: 7页
• 分类号: TP278
• 字数: 5958字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-0134.2019.08.018

摘要

机械产品的装配过程中,大量使用螺母、螺栓、螺钉和垫片典型标准件,对这四种零件的自动化识别具有十分重要的意义.提出一种使用迁移学习的深度卷积神经网络模型,用来解决螺母、螺栓、螺钉和垫片四种零件的识别精度问题.其特点与普通深度卷积神经网络模型相比较,非常适合用在小样本数据集上的训练.实验结果表明在达到较高识别精度时,该模型具有较少的迭代次数即可进入收敛阶段,其训练精度达到93％,验证精度达到100％,损失函数值为0.0475.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈志澜	上海海洋大学工程学院	4	5	1.0	2.0
5	陈绪	上海海洋大学工程学院	2	2	1.0	1.0