摘要
本发明公开了一种基于迁移学习的圆形车刀缺陷识别方法,属于设计数控车床加工技术领域。针对现有刀具缺陷检测方法效率低、主观性强、容易受到客观因素影响的问题,通过收集缺陷图片并进行分类,同时迁移预训练模型,输入缺陷类型数据较多的图片进行预处理并保存之后进行模型训练,采用网格优化算法最优超参数组合,保存并迁移最优参数下模型架构和权重,输入缺陷类型数据较少的图片,保存并迁移训练后的模型架构和权重,通过模型对本地的刀具缺陷图片进行预测,观察其准确率。本发明采用迁移学习与网格搜索优化算法,刀具缺陷识别准确率得到提高。连接显微摄像头获得刀具缺陷的实时图像,对实时图像进行预测,提高刀具缺陷识别的效率。
技术关键词
缺陷识别方法
圆形车刀
图片
刀具
搜索优化算法
超参数
实时图像
迁移学习方法
预训练模型
高倍显微镜
引入神经网络模型
机夹式车刀
图像像素
交叉验证方法
训练集
转位车刀
缺陷检测方法
图像生成器
网格
系统为您推荐了相关专利信息
融合卷积神经网络
双线性插值
噪声级别
评估系统
归一化方法
OCR图像识别技术
平台构建方法
图片
自动化测试环境
模板
流态固化土
度预测方法
原料特征
原料计量设备
电流值