基于监督式机器学习的零件几何特征智能识别

• 作者: 吉卫喜 徐杰 王玉源
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 监督式机器学习 机器视觉 零件几何特征 决策树 支持向量机
• 年，卷（期）: 2019,（22）
• 所属期刊栏目: 工程与应用
• 页码范围: 225-230
• 页数: 6页
• 分类号: TP181
• 字数: 5444字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1807-0168

摘要

针对在采用机器视觉的无夹具定位的壳体类零件几何参数检测过程中,需要先智能识别零件几何特征以规划检测路径的问题,提出一种基于监督式机器学习的几何特征智能识别方法.利用壳体零件待识别特征的中心位置关系构成特征矩阵,利用监督式机器学习算法进行识别,提出一种基于特征唯一性的纠错方法对分类过程中产生的识别错误进行纠正.对于所涉研究实例,零件共有4个待识别孔,在5次监督式训练后智能识别准确度达100%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吉卫喜	江南大学机械工程学院	93	363	9.0	13.0
2	徐杰	江南大学机械工程学院	14	37	3.0	6.0
3	王玉源	江南大学机械工程学院	3	4	1.0	2.0