文 章 编 号 : １００８ －１４０２( ２０２０) ０１ －００７５ －０５
基于机器学习的装配质量图像识别研究
①
摘 要 : 针对柔性化生产线上人工装配过程中装配质量的检测问题 ꎬ提出基于机器学习的装配
图像识别方法 ꎮ 首先设计整体方案 ꎬ采用普通工业相机结合图像识别软件的方式 ꎬ构建硬件系统
并开发软件模块 ꎮ 接着利用监督算法通过训练分类器实现图像识别 ꎮ 测试各算法方案并比较图
像识别准确率、训练和分类耗时以及训练所需数据量 ꎬ选取效果较好的算法方案 ꎮ 然后研究训练
数据扩展方法 ꎬ 以降低训练图片数量并提高识别正确率 ꎮ
结果表明:采用合适算法方案的装配图
像识别系统能满足工业应用需要 ꎮ
关键词 : 智能装配系统ꎻ图像识别ꎻ机器学习ꎻ监督算法
０ 引 言
发展智能制造对推动我国制造业转型升级具
有重要意义 ꎬ 而智能装配则是其中重要的组成部
分 ꎮ 在当前的产品装配领域 ꎬ结合人机交互、机器
视觉、智能数据采集等技术的人机融合式装配系统
是解决人工装配中质量和效率问题的最佳途径 ꎮ
为了更好地控制装配质量 ꎬ将产品质量检测转移到
装配过程中来 ꎬ本文研究了基于机器学习的装配图
像识别技术 ꎮ
机器学习领域的算法众多 ꎬ根据训练数据是否
有标签 ꎬ可将这些算法分为监督学习和无监督学习
两大类 ꎮ 监督学习的训练数据有人为标签 ꎬ希望从
训练数据集中学习对象的划分规则 ꎬ并应用此规则
在测试数据中预测结果和输出标签 ꎬ主要算法包括
线性回归 ꎬ逻辑回归 ꎬ人工神经网络和支持向量机 ꎮ
无监督学习用于处理没有标记的数据集 ꎬ且事先不
需要经过训练 ꎬ它更类似于人类的学习方式 ꎬ 主要
包括聚类和降维算法
[１]
ꎮ
机器视觉是人工智能的重要分支 ꎬ主要任务是
通过图像处理程序代替人的大脑完成测量、检查和
判断等工作 ꎮ 将相机获取到的图像进行预处理操
作 ꎬ使用机器学习算法即可实现图像识别 ꎮ 在产品
质量 检 测 领 域 ꎬ 机 器 视 觉 技 术 发 挥 了 重 要 的 作
用
[２ ~ ３
]
ꎮ
１ 图像识别方案设计
(１) 硬件部分
装配图像识别需要利用相机来检测当前步骤
零件是否正确装配 ꎬ并且需要把检测结果反馈给装
配系统的主程序 ꎮ 本文的研究采用被广泛使用的
普通工业相机 ꎬ具有图像采集的功能但不带有图像
识别的功能 ꎬ 图像识别软件通过自主开发并融入到
装配系统中 ꎮ 当前市场上类似的相机选择很多也
普遍廉价 ꎬ 本方案中选取相机 分 辨 率 为
１６００
∗
１２００
ｐｘ
ꎬ 帧速范围从
１６００
∗
１２００
５ｆｐｓ
到
３２０
∗
２４０
３０ｆｐｓ
ꎬ感光尺寸为 １
/
２ . ７ ’
ＣＭＯＳ
ꎮ
图 １ 图像识别硬件系统
资源评论
Scikit-learn
- 粉丝: 4360
- 资源: 1888
下载权益
C知道特权
VIP文章
课程特权
VIP享7折，此内容立减5.97元 开通VIP
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
