基于神经网络的车间工件视觉识别研究

宋 鑫 曹旭阳 郭万达 于效民

大连理工大学 大连 116000

0 引言

现在主流的计算机视觉识别算法包含传统计算机算法和神经网络算法两种类型，传统的计算机算法已经逐步由深度神经网络算法取代[1]。在工业领域，图像识别问题受到了广泛关注，智能车间装卸设备可以代替人工，对库存的物料进行视觉识别，通过图像处理获取物料的物理信息，并对信息进行传递输出。人工神经网络识别算法被广泛应用于图像识别过程中，随着信息技术的进步，图像识别的精度和效率得到不断提升。

传统的机器学习领域非常依赖人工方法来提取图像的特征，如尺度不变、特征变换，方向梯度直方图[2]，通过传统神经网络来完成识别目的。这些方法比较难以处理较深层次的内容丰富的图像信息，识别准确率普遍比较低[3]。卷积神经网络(Convolutional neural network)具备深层次的网络结构，跟传统的机器学习相比，具有特征信息的表达更丰富的特点，且不需要人工提取特征的信息，通过前向传播和反向传播可以自动从样本图像中学习图像特征，通过深层次的网络结构能获得更准确、更高维，更抽象的特征[4]，从而达到良好的识别效果。在训练过程中，卷积神经网络主要包括学习卷积层的卷积核参数和神经网络层间的连接权重等参数，根据输入图像的特征和网络参数的计算做出对过程的预测。

卷积神经网络广泛应用在图像的分类、物体的检测及自然语言处理等领域。……