《计算机集成制造系统杂志》发表论文赏析
作者:冯毅雄,赵彬,郑浩,高一聪,杨晨,谭建荣
单位:1.浙江大学流体动力与机电系统国家重点实验室2.万向集团公司研究院
摘要:针对轴件表面缺陷分析过程中存在小样本和实时检测效率低的问题,提出一种集成迁移学习的轴件表面缺陷实时检测方法。首先通过相似领域图片的迁移学习,减少对人工大规模标注数据的经验性依赖,采用主成分分析法完成表面缺陷的降维和关键特征向量提取,建立轴件表面缺陷的特征空间,并利用空间位置求解迁移学习的源领域,降低领域间距离度量的复杂度;其次通过训练源领域图片的特征提取器,将特征提取器的网络权值迁移至YOLO V3目标检测模型中,完成相似领域的知识迁移,建立高速生产状态下的轴件表面缺陷实时检测模型。试验表明,该方法在轴件生产现场的实时检测中具有较高的准确度和鲁棒性,集成后的算法模型各类缺陷正检率达97%以上,平均精度均值的方差值缩小近3倍。
关键词:轴件表面缺陷,主成分分析,集成迁移学习,YOLO V3目标检测算法
基金资助:国家自然科学基金资助项目(51821093,51805472,51935009);浙江省自然科学基金资助项目(LZ18E050001)。
2019年12期其他文献查阅:
工业互联网推动离散制造业转型升级的发展现状、技术体系及应用挑战
云架构下基于标准语义模型和复杂事件处理的制造车间数据采集与融合
基于聚类与改进最小二乘法支持向量机算法的汽车总装输送装备故障预警方法
基于LRFAT模型和改进K-means的汽车忠诚客户细分方法
基于0-1背包策略改进离散粒子群算法的产业链金融产品双边匹配优化模型