基于改进的Faster R-CNN算法的机械零件图像识别

基于改进的Faster R-CNN算法的机械零件图像识别

论文摘要

在传统的Faster R-CNN网络结构中减少原有的卷积层数,同时加入Inception结构层,提出一种基于Faster RCNN的零件识别的改进算法。该算法在保证不增加网络参数和计算量的前提下,增加深度和网络结构复杂度,进一步有效地提取图像的特征。结果表明:通过自制机械零件图像数据集,将传统Faster R-CNN与改进后的Faster R-CNN算法均成功应用于机械零件图像识别。与传统Faster R-CNN相比,基于改进后的Faster R-CNN深度学习算法识别机械零件的识别精度和准确度均更高。

论文目录

  • 1 Faster R-CNN算法
  • 2 机械零件图像识别
  •   2.1 机械零件图像数据集制作与训练
  •   2.2 基于Faster R-CNN的机械零件图像识别
  •   2.3 改进的Faster R-CNN算法及零件图像识别实现
  •     2.3.1 改进的Faster R-CNN网络结构
  •     2.3.2 基于改进的Faster R-CNN机械零件图像识别
  • 3 试验结果
  • 4 结论
  • 文章来源

    类型: 期刊论文

    作者: 郭斐,靳伍银,王猛

    关键词: 算法,机械零件图像识别,结构

    来源: 机械设计 2019年09期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 机械工业,计算机软件及计算机应用

    单位: 兰州理工大学机械电子工程学院

    基金: 2018甘肃省重研计划资助项目(18YF1GA063)

    分类号: TP391.41;TH16

    DOI: 10.13841/j.cnki.jxsj.2019.09.019

    页码: 113-116

    总页数: 4

    文件大小: 1800K

    下载量: 270

    相关论文文献

    标签:;  ;  ;  

    基于改进的Faster R-CNN算法的机械零件图像识别
    下载Doc文档

    猜你喜欢