摘要
本发明公开了一种基于多模态特征的铸件冒口清理专家系统设计方法,首先基于已有的加工经验和数据作为样本,对Faster R‑CNN网络进行训练,同时将这些样本数据存储至专家系统的专家数据库中。在对新的待清理铸件进行清理时,能够利用已经训练好的Faster R‑CNN网络获得待清理铸件的精确的冒口的位置,并根据冒口区域的点云数据中的几何特征,获得与待清理铸件的冒口相似度最大的样本的加工路径,以其为基础获取最终的加工路径,并将待清理铸件的相关数据增加至专家数据库中,对专家数据库进行更新。本发明能够将不同类型的数据融合在一起,形成对铸件冒口的全面认知,同时能够为机器人提供精确、灵活的加工策略,显著提升清理过程的智能化水平。
技术关键词
专家数据库
清理铸件
铸件冒口
多模态特征
专家系统
工业相机
图像
序列
样本
旋转轴
三次样条插值
曲率特征
网络
索引
机器人
矩阵
数据存储
系统为您推荐了相关专利信息
人工智能辅助
妊娠期糖尿病
检测器
密封组件
数据采集模块
管道漏水检测方法
多维特征数据
管道漏水检测系统
空间分布特征
长短期记忆网络
多设备协同
识别方法
多源定位数据
贝叶斯滤波
矩阵
数据分类模型
智能审核系统
管理方法
交互式模式
机器学习算法