计量学报

作者：程淑红,芦嘉鑫,张典范,徐南

单位：燕山大学电气工程学院,河北 秦皇岛 066004

关键词：计量学;轮毂识别;环形特征;图像归一化;卷积神经网络;深度可分离卷积

基金：国家自然科学基金(61601400);河北省重点研发计划(20371801D)

针对实际生产中不同种类轮毂的混流生产问题,提出了一种基于环形特征的卷积神经网络轮毂识别算法。将直角坐标下的环形轮毂映射到极坐标中,归一化为标准形式的矩形,提取轮毂图像的环形特征信息,减少冗余特征产生的影响;设计了一种改进的VGG网络架构,利用深度可分离卷积打破输出通道维度与卷积核大小的联系,在不损失网络性能的同时降低了计算量,能够在实际生产中轮毂识别任务在有限的算力情况下实时进行计算;从有效性和实时性两个方面对轮毂识别算法进行评估,且通过Inception V3、SVM、KNN等模型的对比实验,验证了该算法可以实时地对轮毂自适应分类。实验表明: 该方法对轮毂图像的处理精度达到99%以上,单幅图像平均处理时间降低至11.78ms。

来源：2022年第6期

《计量学报》期刊编辑部

查看计量学报杂志2022年第6期