基于改进的卷积神经网络的工件识别技术 |
| |
引用本文: | 宫妍,位冲冲,夏明磊.基于改进的卷积神经网络的工件识别技术[J].哈尔滨商业大学学报(自然科学版),2023(3):294-302. |
| |
作者姓名: | 宫妍 位冲冲 夏明磊 |
| |
作者单位: | 哈尔滨商业大学轻工学院 |
| |
基金项目: | 黑龙江省教育科学规划重点课题(No.GJB1421426); |
| |
摘 要: | 针对传统的工件识别流程是由人工根据工件的特点设计需要提取的特征,整个过程具有耗时高、成本大、通用性较差和识别准确率不高等问题,改进了经典的卷积神经网络模型AlexNet和LeNet-5,通过将AlexNet网络的输入图像尺寸缩小到120×120,用BN层代替LRN层,减少两层卷积和全连接层,用3×3的卷积核代替第一层卷积层11×11的卷积核;将LeNet-5的输入图像尺寸提升至60×60,用ReLU取代原始Sigmoid激活函数,使用多个小卷积核代替大卷积核;分别使用改进前后的网络模型对工件数据集进行训练、测试.结果表明,改进后的两种网络模型,在测试集上分别达到94.31%和92.75%的平均识别准确率,平均识别时间分别为0.271s和0.321 s,满足生产需求.
|
关 键 词: | 工件识别 卷积神经网络 AlexNet LeNet-5 机器视觉 |
|
|