作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
文中提出了一种基于深度学习与板卡控制的AOI识别算法.首先,基于卷积神经网络模型和AOI识别问题,对模型方程进行分析,选用卷积网络模型,建立识别方法.然后,结合深度神经网络模型,通过对训练样本的归一化与二分类处理,对AOI进行预训练.随后,将训练样本分组,有放回式的逐组加入模型训练,得到新的识别模型,并通过代码工程化来实现.然后,引入板卡技术,有机组合IO卡、 运动控制卡和独立图像显卡,根据每种板卡优势和特性,设计系统框架,支持系统的自动化与高速化运行.最后,整合软硬件,建立识别系统,并进行实地场景应用测试,实验结果显示:较已有的相关AOI技术相比,所提算法具有更高的识别稳定性和可重复性,为智能制造设备提供算法和系统基础.
推荐文章
基于深度学习的步态识别算法优化研究
步态识别
BP神经网络
粒子群
深度学习
识别率
基于深度学习的手势识别算法设计
深度学习
卷积神经网络
实时手势识别
高效性
基于深度学习的交通标志识别算法研究
交通标志识别
深度学习
卷积神经网络
TSR_Lenet
算法融合
实验对比
基于图像深度学习的调制识别算法
卷积神经网络
目标检测
计算机视觉
调制识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度学习与板卡控制的AOI识别算法应用研究
来源期刊 信息技术 学科 工学
关键词 卷积神经网络 板卡 AOI 模型训练 样本集
年,卷(期) 2020,(9) 所属期刊栏目 基金项目
研究方向 页码范围 74-78
页数 5页 分类号 TP242
字数 语种 中文
DOI 10.13274/j.cnki.hdzj.2020.09.015
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 吴鹃 20 14 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (94)
共引文献  (31)
参考文献  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1977(2)
  • 参考文献(0)
  • 二级参考文献(2)
1981(2)
  • 参考文献(0)
  • 二级参考文献(2)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(6)
  • 参考文献(0)
  • 二级参考文献(6)
2010(5)
  • 参考文献(0)
  • 二级参考文献(5)
2011(6)
  • 参考文献(1)
  • 二级参考文献(5)
2012(5)
  • 参考文献(0)
  • 二级参考文献(5)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(10)
  • 参考文献(0)
  • 二级参考文献(10)
2016(14)
  • 参考文献(1)
  • 二级参考文献(13)
2017(6)
  • 参考文献(0)
  • 二级参考文献(6)
2018(8)
  • 参考文献(5)
  • 二级参考文献(3)
2019(5)
  • 参考文献(3)
  • 二级参考文献(2)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
卷积神经网络
板卡
AOI
模型训练
样本集
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信息技术
月刊
1009-2552
23-1557/TN
大16开
哈尔滨市南岗区黄河路122号
14-36
1977
chi
出版文献量(篇)
11355
总下载数(次)
31
论文1v1指导