【摘 要】
：
为提升超精密光学元件成品质量以及成品率,提出了深度学习的光学超精密制造设备状态模式识别方法,采集光学超精密制造设备状态数据集后,通过数据处理、关联分析与回归分析获
【机 构】
：
大连东软信息学院,大连116023
论文部分内容阅读
为提升超精密光学元件成品质量以及成品率,提出了深度学习的光学超精密制造设备状态模式识别方法,采集光学超精密制造设备状态数据集后,通过数据处理、关联分析与回归分析获取光学超精密制造设备状态数据集的关联度与拟合函数结果,将其作为训练样本输入卷积神经网络,通过卷积操作、池化操作以及网络结构与设置实施深度学习的模式识别,通过输出深度学习结果模式识别光学超精密制造设备状态,最后实验结果表明,本文方法可有效识别该制造设备的压力、转速、元件摆幅、元件摆速异常状态,总识别准确率高达99％,具有较高实用性能.
其他文献
在不同光照条件下,传统图像人脸识别方法存在识别效率低、错误率高等问题,提出基于二元模式的图像人脸识别方法。通过二元模式线性提取方式,获得图像局部纹理特征,运用不同数量的自数据模块,解决LBP无法提取尺寸过大特征问题;通过扫描编码后加强人脸五官特征,随后根据光照变化运用小波变换域进行分解,并在此基础上对图像实施Gamma校正、高斯差分和对比度变换处理,利用划分的数据块获取对应图像的直方图,从而得到对
以转化并翻译纸张等载体上文本资料为数字化信息为目标,提出一种基于OCR光学字符识别的翻译优化方法。利用具备摄像功能的设备拍摄含待翻译字符的图像,图像预处理时采用区域灰度差生长算法和叠加灰度值方式判断原始图像中背景信息和表格线条,去除原始图像中非字符像素干扰,得到二值化文本图像;图像分割时采用基于改进FCM聚类算法的图像分割方法,利用小波多尺度图像框架,引入时效性函数,降低二值化文本图像分割计算量,