文献综述
1.1 研究意义 近年来,工厂产线对于产品检测设备的需求不断上升。
其中工业零件的检测和识别是检测设备 中的重要内容,涉及了机器视觉、深度学习、图像识别等研究领域。
传统产线依靠人力进行重复性劳动,由于人容易具有疲劳性和人眼分辨率有限等特点,智能检测设备还没有普遍的应用,对于研 究工业零件的特定目标检测的应用级方法较少。
因此,为了避免浪费人工和时间,适应工厂环境中 光线等不稳定因素,对确保精度和速度的智能工业零件检测势在必行,而现有的工业零件检测方法 存在着准确率不高、效率低等问题,不能很好兼顾检测准确率和模型复杂度。
目标视觉检测是计算机视觉领域中一个非常重要的研究问题,数字图像已经成为不可缺少的信 息媒介。
与此同时,对图像中的目标进行精确识别变得越来越重要。
我们不仅关注对图像的简单分 类, 而且希望能够准确获得图像中存在的感兴趣目标及其位置,并将这些信息应用到视频监控、自 主驾驶等一系列现实任务中, 因此目标视觉检测技术受到了广泛关注目标视觉检测具有巨大的实用 价值和应用前景应用领域包括智能视频监控、机器人导航、数码相机中自动定位和聚焦人脸的技术、 飞机航拍或卫星图像中道路的检测、车载摄像机图像中的障碍物检测等同时目标视觉检测也是众多 高层视觉处理和分析任务的重要前提, 例如行为分析、事件检测、场景语义理解等都要求利用图像 处理和模式识别技术,检测出图像中存在的目标,确定这些目标对象的语义类型, 并且标出目标对象 在图像中的具体区域。
在实际的工业零件识别时,总是会出现多种零件外形过于相似、各个产品相互遮挡,零件自身 的特征较少或者不是很突出的问题。
针对上述特定条件存在的难点,本课题将基于深度学习方法对 复杂情况下的工业零件进行研究,增强在非结构化特定场景中对目标特征的识别能力。
以上是文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。