10.3969/j.issn.1009-0134.2019.08.018
基于迁移学习的零件识别方法研究
机械产品的装配过程中,大量使用螺母、螺栓、螺钉和垫片典型标准件,对这四种零件的自动化识别具有十分重要的意义.提出一种使用迁移学习的深度卷积神经网络模型,用来解决螺母、螺栓、螺钉和垫片四种零件的识别精度问题.其特点与普通深度卷积神经网络模型相比较,非常适合用在小样本数据集上的训练.实验结果表明在达到较高识别精度时,该模型具有较少的迭代次数即可进入收敛阶段,其训练精度达到93％,验证精度达到100％,损失函数值为0.0475.
迁移学习、零件识别、卷积神经网络、训练模型
41
TP278(自动化技术及设备)
上海市精品课程:互换性与测量技术SJPKC2016001;上海市教委:工业机器人应用学位点建设与研究项目230001-17-13
2019-09-27（万方平台首次上网日期，不代表论文的发表时间）
共7页
81-86,94
