[发明专利]一种切削几何体图像特征处理与筛选方法及系统

权利要求书

1.一种切削几何体图像特征处理与筛选方法，其特征在于，包括如下步骤：

(S1)统计预先获取的切削几何体图像数据集中所有图像样本的刀具工件接触域即CWE的一维特征、二维特征出现频数，得到数据集的一维特征频数分布、二维特征频数分布；所述一维特征是CWE的像素点数量Q，所述二维特征包括CWE中心点位置center和图像样本的有效像素的位置pos；

(S2)计算所述一维特征频数分布与一维特征均匀分布的差异，得到一维特征差异W_Q；计算所述二维特征频数分布与二维特征均匀分布的差异，得到所述center的二维特征差异W_center以及所述pos的二维特征差异W_pos；

(S3)计算所述数据集中所有图像样本的一维特征的特征缺失率FeatureLoss_Q，二维特征的特征缺失率即所述center的特征缺失率FeatureLoss_center、所述pos的特征缺失率FeatureLoss_pos，以及三维特征即图像样本的有效像素点深度d的特征缺失率FeatureLoss_d；

(S4)将W_Q、W_center、W_pos、FeatureLoss_Q、FeatureLoss_center、FeatureLoss_pos、FeatureLoss_d进行加权求和得到数据集总指标；

(S5)遍历所述数据集中所有图像样本，计算不存在该图像样本时数据集总指标，若总指标增大，则保留该图像样本，否则将该图像样本从数据集中删除；得到筛选后的切削几何体图像数据集即最优数据集；

所述最优数据集用于训练机器学习模型，使得训练后的机器学习模型能够更加准确地预测铣削加工响应值。

2.如权利要求1所述的一种切削几何体图像特征处理与筛选方法，其特征在于，步骤(S3)中，以特征指代一维特征、二维特征或三维特征，则特征的特征缺失率是特征的特征完备率与100％的差值的绝对值，特征的特征完备率是特征的特征空间完备率和特征填充完备率的积。

3.如权利要求2所述的一种切削几何体图像特征处理与筛选方法，其特征在于，一维特征的特征空间完备率是一维特征的特征空间与一维特征的理论特征空间的凸包长度的比值，所述一维特征的特征填充完备率是一维特征的特征填充与一维特征的理论特征填充的离散点数量的比值；

二维特征的特征空间完备率是二维特征的特征空间与二维特征的理论空间的凸包面积的比值，所述二维特征的特征填充完备率是二维特征的特征填充与二维特征的理论特征填充的离散点数量的比值；

三维特征的特征空间完备率是三维特征的特征空间与三维特征理论空间的凸包体积的比值，所述三维特征的特征填充完备率是三维特征的特征填充与三维特征的理论特征填充的离散点数量的比值。

4.如权利要求3所述的一种切削几何体图像特征处理与筛选方法，其特征在于，所述特征的特征空间是所述数据集中所有图像样本的特征的取值构成的特征空间，在几何上表现为数据集中所有图像样本的特征形成的凸包；特征的理论特征空间是指特征的所有可能取值构成的特征空间，在几何上表现为占据所有所述特征的特征空间的凸包；理论特征空间中特征点称为理论特征点。

5.如权利要求4所述的一种切削几何体图像特征处理与筛选方法，其特征在于，在一个图像样本的理论特征空间中，一些理论特征点被图像样本的所述特征的特征点填充，而其他理论特征点未被填充，相同的理论特征点被所述特征的相同特征点重复填充的，只算作一次填充即一个离散点，如此计算得到所述数据集中所有图像样本的理论特征空间中理论特征点被填充的次数，即为所述特征的特征填充；

在一个图像样本的理论特征空间中，所有的理论特征点均被图像样本的所述特征的特征点填充，在所有样本的理论特征空间中，相同的理论特征点被所述特征的特征点重复填充的，只算作一次填充即一个离散点，如此计算得到所有样本的理论特征空间中理论特征点被填充的次数，即所述特征的理论特征填充。