基于卷积神经网络的工件表面粗糙度等级识别

摘要：

为解决零件表面粗糙度等级识别困难的问题.构建一套显微镜CCD图像采集系统,获取了不同表面加工类型和不同粗糙度值的零件表面图像.设计用于粗糙度等级识别的深度卷积神经网络,采用已知粗糙度等级的图像及其对应的粗糙度标签对网络进行训练.通过车削、平铣、立铣、平磨、磨外圆、研磨6种表面加工工艺来验证该方法.并且研究了不同放大倍数和不同光照强度对于识别结果的影响,确定了每种加工方式适宜的放大倍数和光照强度.实验证明所提出的粗糙度测量模型能以较高的准确率识别出零件表面粗糙度等级.

关键词：粗糙度等级、卷积神经网络、图像识别、深度学习

所属期刊栏目：57

分类号：TH161+.14

资助基金：上海市科委科研计划项目17060502600

在线出版日期：2019-11-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：29-33