用于卷积神经网络图像预处理的目标中心化算法

• 作者: 冯伟 吴爱国 董娜 董秋成
• 来源期刊: 中南大学学报（自然科学版）
• 学科: 工学
• 关键词: 零件 识别 卷积神经网络 数据增强 中心化 目标提取
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 机械工程?控制科学与工程
• 页码范围: 579-586
• 页数: 8页
• 分类号: TP391.4
• 字数: 4618字
• 语种: 中文
• DOI: 10.11817/j.issn.1672-7207.2019.03.011

摘要

为解决工业生产中对不同零件进行自动分类的问题,提出一种基于卷积神经网络的模式识别算法,对29种不同尺寸的螺丝、螺母和垫片进行分类.首先采集待分类零件的图像数据,通过数据增强得到数据集,然后设计一种简化的卷积神经网络.提出一种对图像中的目标位置进行中心化的图像预处理算法,它能够提取图像中目标所在的区域并将其移动到图像中心位置.研究结果表明,与不采用目标中心化算法的传统方法相比,总体准确率从97.59％提升至99.96％,具有最低准确率的零件的准确率从85.83％提升至99.67％.使用卷积神经网络对背景纯净且目标明显的图像进行分类时,使用本文提出的目标中心化算法进行图像预处理能够显著提高网络的识别准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴爱国	天津大学电气自动化与信息工程学院	126	1771	21.0	37.0
2	冯伟	中国科学院自动化所模式识别国家重点实验室	36	224	9.0	13.0
3	董娜	天津大学电气自动化与信息工程学院	28	81	6.0	8.0
4	董秋成	天津大学电气自动化与信息工程学院	1	0	0.0	0.0