基于深度学习的工件表面粗糙度等级识别方法

• 作者: 朱坚民 石园园 陈琳 黄扬辉
• 来源期刊: 农业装备与车辆工程
• 学科: 工学
• 关键词: 粗糙度测量 卷积神经网络 深度学习 图像识别 颜色传递
• 年，卷（期）: 2020,（10）
• 页码范围: 76-79,122
• 页数: 5页
• 分类号: TP751
• 语种: 中文
• DOI: 10.3969/j.issn.1673-3142.2020.10.017

摘要

为解决变光照工件表面粗糙度等级识别困难问题,构建了粗糙度图像采集系统,设计了用于粗糙度等级识别的深度卷积神经网络.输入训练图片建立粗糙度等级模型,输入测试图片进行粗糙度等级识别.通过车削、平铣、立铣、平磨、磨外圆、研磨6种表面加工方式来验证该方法.改变光照强度采集变光照测试图片,运用颜色传递算法,以实验室标准光强下图片为源图片、变光照图片为目标图片,在不改变图片纹理情况下,实现源图片到目标图片色调颜色映射.实验结果表明,所提出方法能够解决变光照工件表面粗糙度等级识别困难问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱坚民		61	443	11.0	18.0
2	陈琳		9	48	5.0	6.0
3	石园园		4	0	0.0	0.0
4	黄扬辉		4	0	0.0	0.0