TRIZ物场模型和深度学习在蛋黄酥包装图案上的分类研究

• 作者: 卢锦川 廖晋平 陈卫国
• 来源期刊: 装备制造技术
• 学科: 工学
• 关键词: TRIZ物场 视觉场 盒装蛋黄酥分拣 深度学习 VGG卷积网络
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 应用与优化
• 页码范围: 87-90,97
• 页数: 5页
• 分类号: TS43|TP391
• 字数: 2574字
• 语种: 中文

摘要

运用TRIZ物场模型分析目前人工分拣不同口味盒装蛋黄酥的方法,在建立了物场模型后,采用驱动装置和图像采集装置及深度学习算法来替代该物场模型中的人手和人眼,设计了自动分拣不同口味盒装蛋黄酥系统.用改进的Visual Geometry Group(VGG)卷积人工神经网络对盒装蛋黄酥的图案进行分类.由于盒装蛋黄酥图案所在识别环境背景固定、识别角度固定,造成其训练数据集小,因此采用数据增强的方法对数据集进行扩展.在使用1845张蛋黄酥图片进行训练,经过28次迭代后,改进的VGG网络成功收敛.经测试,615张测试样本的分类率都达到100％的正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈卫国		10	8	1.0	2.0
2	卢锦川		15	12	2.0	3.0
3	廖晋平		1	0	0.0	0.0