文档名：基于CNN的微差异标准件深度视觉学习与识别方法
针对装配过程中各检测对象多且互斥的特征,提出基于卷积神经网络(CNN)的微差异标准件深度视觉学习与识别方法.研究多分类Softmax回归转换到二分类Logistic回归的数学原理,以CNN与Softmax回归的特性,实现微差异标准件深度视觉学习;并将训练好的Softmax分类器转换为多个Logistic二分类器,以单个CNN网络实现多个样本的二分类.结果表明,LS-CNN可以实现对10种标准件的分类精度达到99.6％,且以二分类的模式运行时,对500个关键部件样本的识别准确度达到100％.
作者：黄坚 刘桂雄 林镇秋
作者单位：华南理工大学机械与汽车工程学院广州市华颉电子科技有限公司
母体文献：2016年广东省测控与计量仪器学术研讨会论文集
会议名称：2016年广东省测控与计量仪器学术研讨会
会议时间：2016年12月1日
会议地点：广州
主办单位：广东省计量测试学会,广东省机械工程学会,广东市仪器仪表学会,广东省测量控制技术与装备应用促进会
语种：chi
分类号：TP1TP3
关键词：微差异标准件 深度视觉学习 目标识别 卷积神经网络 分类精度
在线出版日期：2020年5月31日
基金项目：
相似文献
相关博文
- 文件大小:
- 1.59 MB
- 下载次数:
- 60
-
高速下载
|
|
