基于BP神经网络的智能制造系统图像识别技术
需积分: 5 40 浏览量
2018-05-16
20:02:18
上传
评论 2
收藏 2.03MB PDF 举报
现代电子技术
Moder n Electronics Technique
2016 年 9 月 15 日
第 39 卷第 18 期
Sep. 2016
Vol. 39 No. 18
doi：10.16652/j.issn.1004⁃373x.2016.18.027
BP 神经网络不仅是具有自主学习性与自组性的智
能算法，同时在智能识别、分类图像资源方面，也发挥积
极影响
[1⁃2]
。在智能制造系统设计中，运用基于 BP 神经
网络的图像识别技术，不仅可以大大提高智能制造系统
智能性，也可发挥积极应用价值。
1 BP 神经网络
在实际运用中，BP 神经网络是基于人大脑神经系
统的一种数学模拟而形成的模型结构，神经网络的存在
就是要产生智能的控制行为
[3]
。在 BP 神经网络中，不仅
有大量的单元，同时也可以通过改变权值，从而并行分布
式，提升系统结构组织的灵活性
[4]
。BP 神经网络中，神经
元是其基本的处理单元，可以有多输入，但是必须是单输
出，是一种特殊的非线性器件
[5]
。其最基本的单个神经
元结构如图 1 所示。
同时，该神经元结构进行如下变形：
y
j
= f
æ
è
ç
ö
ø
÷
∑
i
w
ij
x
i
- θ
j
+ s
j
在变形后的神经元中，f（x）能够代表阶跃函数以及
分段函数，确保在实际 BP 神经网络中算法变化灵活度。
基于 BP 神经网络的智能制造系统图像识别技术
李 萍，徐安林
（无锡职业技术学院，江苏 无锡 214121）
摘 要：研究了基于 BP 神经网络的智能制造系统图像识别技术。在当前制造业系统设计中，由于图像资源结构复杂，
通过 BP 神经网络，有助于提取图像特征、优选特征向量组成方案，从而优化实现智能制造系统图像识别技术。该文基于 BP
神经网络设计了一个智能制造系统，并采用 B/S 模式设计系统结构，制造系统的图像识别技术，可以降低系统在使用过程中
18.0 的冗余度，同时也提升该系统 12.0%的应用性能。结论表明，基于 BP 神经网络设计实现智能制造系统图像识别技术，可
以使系统的平台更具智能性，符合制造业信息化发展要求，提升智能制造系统图像识别性能。
关键词：B/S 模式；智能制造系统；BP 神经网络；图像识别技术
中图分类号：TN926⁃34 文献标识码：A 文章编号：1004⁃373X（2016）18⁃0107⁃03
BP neural network based image recognition technology of intelligent
manufacturing system
LI Ping，XU Anlin
（Wuxi Institute of Technology，Wuxi 214121，China）
Abstr act：The aim of this paper is to study t he image recognition technology of intelligent manufacturing system based on
BP neural network. With th e development of BP neural network，the manufacturing industry in China towards to information de⁃
vel opment has become a maj or trend. In the system de sign of current manufacturing industry，since the image resources struc⁃
ture is comp lex，the BP neural network is employed to extract the image features and optimize the composing solution of feature
vectors，so as to optimize and realize the image recognit ion techno logy of intelligent manufacturing system. The results show th at
the BP neural network based image recognitio n technology of intel ligent manufacturing system ca n reduce the system redundancy
of 18.0 in usin g process，and improve the system application performance of 12.0%. The conclusion shows that the image recog⁃
nition technology based o n BP neur al network can make the system platform more intelligent ，mee t t he development require⁃
me nts of manufacturi ng information，improve the ima ge recognition performance of intelligent manufacturing system，and play a
positive impact.
Keywords：B/S pettern；intellig ent manufacturing syste m；BP neural networ k；image recognitio n tech nology
收稿日期：2016⁃01⁃07
基金项目：国家自然科学基金资助项目（11171316）；江苏
省高等职业院校国内高级访问学者计划资助
项目（2015FX082）；江苏高校品牌专业建设工
程资助项目 PESP（PPZY2015C240）
107
107
资源评论
