摘要
针对现有汽车制造过程中外观质量检测环节存在的问题,提出通过深度学习算法完成对车辆外观质量检测方法的研究。利用深度学习算法在抗干扰性、识别精度、处理速度等方面的算法优势,将其应用在汽车实际生产过程中。首先对深度学习理论进行梳理与研究,确定合适的算法与模型;依据实际的生产场景特点来抽离实验场景构建所需核心要素,并完成实验环境的搭建;在获取原始图像之后,对其进行灰度映射、噪声滤波等预处理,同时完成对图像的特定标记;以TensorFlow为网络模型框架,设计多层神经网络;通过搭建R-FCN算法模型来实现网络模型训练与检测;最后在实验环境下对算法模型的准确性进行验证。本文旨在将深度学习、视觉识别等前沿技术应用在汽车制造业中,提升汽车制造业外观检测的自动化、智能化水平。
引文
[1]李春,李琳,邹焱飚,等.基于机器视觉的钣金件缺陷在线检测算法[J].制造业自动化,2016,38(7):56-59.
[2]戴宪策,刘昌锦.模板匹配的一种快速算法[J].四川工兵学报,2015,36(1):111-113.
[3]Kaur R,Kang S S.An enhancement in classifier support vector machine to improve plant disease detection[A].IEEE,International Conference on Moocs,Innovation and Technology in Education[C].IEEE,2016:135-140.
[4]Hornberg A,Telljohann A.2.Introduction to Building a Machine Vision Inspection[M].Handbook of Machine and Computer Vision:The Guide for Developers and Users.Wiley-VCH Verlag GmbH&Co.KGaA,2017:35-71.
[5]Hinton G E.A Practical Guide to Training Restricted Boltzmann Machines[M].Neural Networks:Tricks of the Trade.Springer Berlin Heidelberg,2012:599-619.
[6]郭联金,罗炳军,等.PNN与BP神经网络在钢板表面缺陷分类中的应用研究[J].机电工程,2015,32(3):352-357.
[7]崔炽标,李阳,毛霆,等.基于预处理与卷积神经网络的塑件划痕检测[J].模具工业,2017,43(9):1-6.
[8]李志义,黄子风,许晓绵.基于表示学习的跨模态检索模型与特征抽取研究综述[J].情报学报,2018(4).
[9]Dai J,Li Y,He K,et al.R-FCN:Object Detection via Regionbased Fully Convolutional Networks[J].2016.