基于深度学习网络模型与大数据自动训练的工件 - 齐齐哈尔大学学报（自然科学版）杂志社投稿

一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。二、不要超过10000字为宜，精粹的短篇，尤为欢迎。三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。四、凡来稿请作者自留底稿，恕不退稿。五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式：基金项目：项目名称（编号）作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。

基于深度学习网络模型与大数据自动训练的工件

作者:

关键词:

摘要：

【作者机构】安徽广播电视大学滁州分校【分类号】TH161;|TP391.41 【分类导航】工业技术->机械、仪表工业->机械制造工艺【关键词】深度学习网络模型自动训练 Python TensorFlow 工件缺陷【摘要】针对工件缺陷种类多样和特征不明显,造成机器视觉识别精度不稳定的问题,提出了一种基于深度学习网络模型与大数据自动训练的工件缺陷识别算法,并以软件工程来实现其功能。首先,对存在缺陷的工件进行取样,采集缺陷图像,建立识别标准。然后,基于深度神经网络模型和缺陷标准图像,进行模型训练,采取分批训练,逐步迭代收敛的方式,达到准确识别工件缺陷目的。最后,基于Python语言与TensorFlow框架实现深度神经网络模型,并将模型移植到C++平台调用,嵌入到商业版本软件中,实现算法的落地应用。实验测试结果显示,相对于已有的缺陷识别技术而言,本文算法具有更高的识别准确性,可为机器视觉软硬件设备提供技术基础。形状记忆合金丝训练测试系统的研制[J].中国机械工程,2010,第23期为给形状记忆合金丝提供自动训练装置,并能实时测量其动作过程中应力、应变及内部电阻的变化,研制了基于LabVIEW和研华数据采集卡的步进电机驱动的形状记忆合金丝训练测试系统。该训练测试系统能够方便地实现不同型号形状记忆合金丝的自动训练过程,并能测试形状记忆合金丝在不同通电条件和外力条件下的性能。实验结果表明,采集到的形状记忆合金丝的数据准确性较高,并能实时地显示和存储,为形状记忆合金丝的进一步应用和控制提供了实验数据基础。

文章来源：《齐齐哈尔大学学报（自然科学版）》网址: http://www.qqhedxxb.cn/qikandaodu/2020/0520/331.html