基于深度学习的零件实例分割识别研究

针对传统零件识别方法图像特征提取鲁棒性不足,零件识别准确率较低、不能对图像进行实例分割的问题,文章提出了一种基于Mask R-CNN的零件识别方法。该方法利用卷积神经网络对零件图像进行特征提取,选取数据集中标注好的图像微调Mask R-CNN网络,以保证零件识别的准确性,并生成Mask分割掩码,对零件进行实例分割。同时,对数据集进行数据增强和划分K折交叉验证来提高模型的鲁棒性。最后通过搭建实验平台对零件进行识别,证明了该方法的有效性。

资料为PDF文档格式.

本文档关键词:实例,零件,分割,识别,深度