基于卷积神经网络的自动压铆对位系统

• 作者: 连志强 柯跃前 刘伟斌
• 来源期刊: 制造业自动化
• 关键词: 卷积神经网络 霍夫变换 自动压铆 视觉识别 深度学习
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 计算机算法
• 页码范围: 66-70,98
• 页数: 6页
• 分类号: V261.2|TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1009-0134.2021.03.015

摘要

由于钣金件在加工过程中受力变形弯曲,使压铆圆孔图像识别困难及分类错误,影响了机器视觉的识别效率与准确度.据此,依次使用基于卷积神经网络的圆孔分类和基于霍夫变换的圆检测算法,设计了一种自动压铆对位系统.检测结果表明:1)在经过1 5000次神经网络迭代训练后,交叉熵损失处于0.58以下,平均分类准确率达97％;2)铆接点识别成功率高达96.5％,算法平均每次耗时0.020S.自动压铆对位系统具有高效性、准确性和稳定性.