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。
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
本文来源: https://www.lunwen66.cn/article/3e8f2fc50164affaf7df76d0.html