对光源环境鲁棒的铣削表面粗糙度分类检测

• 作者: 易怀安 陈永伦 廖晨 陈秋嫦 赵欣佳
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: 卷积神经网络 自动提取特征 光源环境 粗糙度分类
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 控制与检测
• 页码范围: 109-113
• 页数: 5页
• 分类号: TH161|TG54
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2022.04.025

摘要

针对当前基于神经网络的铣削表面粗糙度视觉检测方法,大多结合加工工艺参数,且要人为地设计图像评价指标,并且拍摄过程对环境光源严重依赖的问题,提出了一种基于卷积神经网络的铣削表面粗糙度分类方法.该方法采用白天和黑夜的光照环境分别拍摄实验图片,经过端到端的图像分析,利用卷积操作和综合处理得出粗糙度分类模型,可对表面粗糙度进行分类预测.试验结果表明,该方法能够实现自动特征提取,避免了特征提取,且无需结合加工工艺参数,并对拍摄的光源环境不敏感,为表面粗糙度实现在线视觉测量提供了可能.