基于迁移学习的零件识别方法研究

摘要

机械产品的装配过程中,大量使用螺母、螺栓、螺钉和垫片典型标准件,对这四种零件的自动化识别具有十分重要的意义.提出一种使用迁移学习的深度卷积神经网络模型,用来解决螺母、螺栓、螺钉和垫片四种零件的识别精度问题.其特点与普通深度卷积神经网络模型相比较,非常适合用在小样本数据集上的训练.实验结果表明在达到较高识别精度时,该模型具有较少的迭代次数即可进入收敛阶段,其训练精度达到93％,验证精度达到100％,损失函数值为0.0475.