基于人工神经网络的机械工具的识别方法  

Object Recognition of Mechanical Tools Based on Neural Networks

作　　者：贾财潮[1] 于询[2] 谭玉山[3] 

机构地区：[1]上海交通大学 [2]西安应用光学研究所 [3]西安交通大学

出　　处：《中国机械工程》1999年第8期888-890,共3页China Mechanical Engineering

基　　金：国防科工委预研项目

摘　　要：提出一种快速的、鲁棒性的人工神经网络目标识别方法。针对工业环境中常用机械工具的识别，通过正规化目标图像和正交复值的 Ｚｅｒｎｉｋｅ矩变换提取目标的平移、比例及旋转不变性特征，应用具有 ２ 个隐层的 Ｂ Ｐ网络学习与识别这些特征矢量。对 ４ 类具有一个自由度的机械工具进行识别实验，表明该方法优于最近邻分类决策规则，对噪声及特征矢量变化具有鲁棒性，并达到 ９５％ 的识别率。In this paper, a robust and fast approach to recognise industrial tools based on neural networks is developed. The feature vector that is invariant to translation, rotation and size scaling are first extracted by normalization and complex orthogonal Zernike moments. The next stage,a BP neural network with two hidden layers classifies the extracted features. The recognition experiment involving four kinds of tools with one DOF shows our method outperforms the nearest-neighbor rule widely used in pattern recognition. Performances are also compared under noisy environments and for some untrained objects.

关 键 词：人工神经网络 目标识别 机械工具 机器人 

分 类 号：TP242[自动化与计算机技术—检测技术与自动化装置] TP391.41[自动化与计算机技术—控制科学与工程]