

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、隨著科學技術的發(fā)展,生產(chǎn)方式發(fā)生了深刻的變化,對生產(chǎn)自動化的科技含量提出了新的要求,傳統(tǒng)的生產(chǎn)自動化模式面臨極大挑戰(zhàn),研究適應自動化生產(chǎn)領域中的裝配機器人識別技術已成為當前重要的課題之一。本文針對自動化生產(chǎn)線上裝配機器人對機械零件的形狀快速、精確地識別問題進行研究,敘述了模式識別和形狀識別國內(nèi)外的研究現(xiàn)狀,對形狀識別的軟、硬件系統(tǒng)進行了研究,對攝取的機械零件圖像進行處理,提取了零件圖像輪廓。提出了一些新的理論與方法,并通過試驗進行驗證,
2、取得以下成果: (1)證明了圖像的Zemike矩和Fourier-Mellin矩具有平移、旋轉、縮放不變性,通過比較Zemike矩和Fourier-Mellin矩的優(yōu)缺點,采用Fouriei-Mellin矩提取零件圖像的特征。 (2)對ART神經(jīng)網(wǎng)絡進行了詳細論述,通過對模糊ARTMAP網(wǎng)絡結構和算法進行簡化,提出了SFAM神經(jīng)網(wǎng)絡,分類測試發(fā)現(xiàn)同一模式不同的向量順序,SFAM網(wǎng)絡分類結果不同。為避免分類失誤,構造了多個
3、SFAM網(wǎng)絡的組合分類器。 (3)針對經(jīng)典Bayes決策理論限制條件嚴格,提出了擴展的Bayes決策法,使得Bayes決策理論更接近實際情況。通過試驗驗證了對多個SFAM網(wǎng)絡分類器分類的結果采用擴展的Bayes表決法,克服了單個SFAM網(wǎng)絡分類器對輸入樣本順序敏感的缺點,提高了分類精度。 (4)試驗結果表明,機械零件形狀識別的精度與SFAM網(wǎng)絡的數(shù)量有關,隨著SFAM網(wǎng)絡分類器數(shù)量的增加,分類精度呈直線上升,當SFAM網(wǎng)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于神經(jīng)網(wǎng)絡的機械零件識別研究.pdf
- 基于機器視覺的機械零件尺寸識別研究.pdf
- 機械零件a
- 基于數(shù)字圖像輪廓特征的機械零件識別.pdf
- 基于OpenCV的機械零件局部特征的識別與檢測.pdf
- 機械零件的強度.
- 機械零件 圖紙
- 機械零件的認識
- 基于圖像不變矩和SVM的機械零件分類識別.pdf
- 網(wǎng)絡環(huán)境下機械零件CAD.pdf
- 機械零件軋制題庫
- 機械零件英語整理
- 基于WEB的機械零件CAPP系統(tǒng).pdf
- 機械零件圖
- 機械零件英語整理
- 機械零件毛坯的選擇
- 機械零件的強度計算..
- 基于機器視覺的機械零件檢測與識別系統(tǒng)設計.pdf
- 機械零件3D網(wǎng)格模型的特征識別研究.pdf
- 機械零件制造知識計量研究.pdf
評論
0/150
提交評論