论文部分内容阅读
传统的陶瓷衬垫码片识别主要依赖于人工,由人工手动摆正方向错误的码片,识别效率低,还有可能形成错检、漏检,造成后续工程问题。对此,提出一种基于深度学习的陶瓷衬垫码片识别方法。这一方法通过预训练的Mask区域卷积神经网络对已标记的样本进行试验,使用Res Net-50网络进行特征提取,调节神经网络的结构,并计算求解。在研究中,通过将两种检测类别标记相结合的方式,解决了错位码片的识别问题。试验表明,基于深度学习的陶瓷衬垫码片识别方法能够有效识别摆放错位的码片,准确度高。