基于图像处理与卷积神经网络的零件识别

• 作者: 朱文博 余琦
• 来源期刊: 计算技术与自动化
• 关键词: 零件识别 图像饱和度 种子填充法 尺度不变特征转换 卷积神经网络
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 图形图像技术
• 页码范围: 106-111
• 页数: 5页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.16339/j.cnki.jsjsyzdh.202201019

摘要

为了提高零件识别的正确率和效率，提出了一种基于图像处理与机器学习的零件识别算法。首先对图像进行基于饱和度的灰度化；接着通过显著性增强、最大类间方差法(OTSU)的二值化和形态学闭运算求得二值图像；再以改进的种子填充法提取零件区域；最后通过图像关键点的尺度不变特征转换(SIFT)特征与卷积神经网络(CNN)模型相结合的方法识别零件。实验对减速箱、柱塞泵等其中的19种零件进行识别，结果显示零件识别算法的正确率可达98.95%,识别速度约5 fps。通过实验对比与分析，证明方法快速有效，具有较高的正确率和良好的鲁棒性。