基于深度学习的主轴承盖分类识别算法

• 作者: 张鹏飞 石志良 李晓垚 欧阳祥波
• 来源期刊: 图学学报
• 关键词: 机械零件识别 卷积神经网络 细粒度图像分类 特征融合
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 图像处理与计算机视觉|Image Processing and Computer Vision
• 页码范围: 572-580
• 页数: 9页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.11996/JG.j.2095-302X.2021040572

摘要

机械零件自动分类识别算法,在智能工业、自动化加工等领域具有广阔地应用前景.针对汽车发动机主轴承盖零件自动分类时,存在特征多表面分布和光照敏感等难点问题,提出多分支特征融合卷积神经网络(MFF-CNN).MFF-CNN具有2个子网络分支,分别提取主轴承盖2个表面的特征,经过特征融合,形成最终的零件分类特征.在网络结构设计上,MFF-CNN基于密集连接型卷积神经网络设计,通过增强网络层级间的特征重用,有效降低模型的参数量,缓解较小样本量条件下,深层网络的过拟合和梯度消失问题.实验结果表明,在实际采集的主轴承盖图像数据集上,MFF-CNN的识别率为91.6％,并对实际生产中的零件图像光照不均匀问题,具有良好的鲁棒性.