[发明专利]用于曲轴柔性生产线的零件种类快速识别方法和识别装置

摘要

本发明为用于曲轴柔性生产线的零件种类快速识别方法和识别装置，该方法的步骤是：通过工业相机获取待分类识别的零件图像，对获得的图像采用图像相减算法进行去除背景操作，将工件部分提取出来；对工件图像进行腐蚀、膨胀、开运算和闭运算，得到待分类识别零件的灰度图像和样本工件灰度图像库；利用灰度图像进行骨架特征的提取；利用灰度图像进行AlexNet网络模型的训练，网络训练好之后，得到一个与骨架特征矩阵具有相同列的一个b维灰度图像特征向量；通过算法将两个参数进行融合；将融合的特征输入到支持向量机进行训练，完成分类。提高分类识别的精度，分类速度快。

主权项

1.一种用于曲轴柔性生产线的零件种类快速识别方法，该方法的步骤是：第一步：通过工业相机获取待分类识别的零件图像，对获得的图像采用图像相减算法进行去除背景操作，将工件部分提取出来，即将带有曲轴零件的图像与提前设置好的不带曲轴零件的图像做减法获得工件图像；同时选取曲轴柔性生产线的已有零件图像进行去背景操作，获得样本工件图像库，样本工件图像库中的样本数量为N，N为大于800的整数；第二步：对第一步的工件图像进行腐蚀、膨胀、开运算和闭运算，得到待分类识别零件的灰度图像和样本工件灰度图像库；第三步：利用样本工件灰度图像库中的灰度图像进行骨架特征的提取，得到骨架图，骨架图用骨架特征矩阵表示为一个a×b的矩阵，a、b均为大于零的整数；第四步：利用样本工件灰度图像库中的灰度图像进行AlexNet网络模型的训练；建立深度学习的AlexNet网络模型，包括3个卷积层及2个全连接层，第一个卷积层的卷积核大小为3×3，第二个卷积层的卷积核大小为7×7，第三个卷积层的卷积核大小为13×13，每个卷积核对应一个非线性激活函数ReLU；将AlexNet网络模型中的LRN层去掉，只使用一个Dropout层，Dropout层加入到最后一个全连接层后；使用最大池化MAXPooling，令池化层重叠；根据曲轴图像的特点，将样本工件灰度图像库中的灰度图像转化为150×150大小的图像，作为网络的输入；用样本工件灰度图像库中的灰度图像对AlexNet网络模型进行训练，网络训练好之后，通过训练好的网络对灰度图像进行特征提取，得到一个与骨架特征矩阵具有相同列的一个b维灰度图像特征向量；第五步：特征融合训练支持向量机将第三步的骨架特征与第四步的灰度图像特征进行特征融合，即将灰度图像特征向量相应加在第三步的骨架图特征矩阵中的最后一行，得到一个(a+1)×b维的矩阵，将融合后的特征输入到支持向量机中对支持向量机进行训练，得到训练好的支持向量机；第六步：快速识别将第二步的待分类识别零件的灰度图像分别进行骨架特征提取及第四步中的AlexNet网络模型进行灰度图像特征提取，再进行两特征融合后，输入到训练好的支持向量机进行分类，输出零件分类结果。