为了实现齿轮外观缺陷自动化识别,提高齿轮产品的合格率。针对传统缺陷识别算法泛化差,人工提取特征耗时,提出了一种改进的较快的基于区域卷积神经网络（FasterR-CNN）的齿轮缺陷识别模型。设计出VGG-2CF网络,提高识别较小目标的能力;引入AM-Softmax损失函数,以减小类内特征的差异性,进一步增大类之间差异性;结合机器学习算法中的F度量值（F-measure）,提出一种AMF-Softmax损失函数,解决数据不平衡的问题。实验结果表明,提出的改进模型具有较高的识别率,适用于齿轮外观的自动化检测。
类型: 期刊论文
作者: 吉卫喜,杜猛,彭威,徐杰
关键词: 齿轮缺陷识别,损失函数
来源: 系统仿真学报 2019年11期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 机械工业,计算机软件及计算机应用,自动化技术
单位: 江南大学机械工程学院,江南大学江苏省食品制造装备重点实验室
基金: 国家自然科学基金(11402264)
分类号: TH132.41;TP391.41;TP183
DOI: 10.16182/j.issn1004731x.joss.19-0545
页码: 2198-2205
总页数: 8
文件大小: 515K
下载量: 100
本文来源: https://www.lunwen90.cn/article/53db7b295b6bb9858a980d28.html