[發明專利]一種基于卷積神經網絡的機械零件圖紙檢索方法

在審

• 申請號: 202010869413.9
• 申請日: 2020-08-26
• 公開（公告）號: CN111951263A
• 公開（公告）日: 2020-11-17
• 發明（設計）人: 王鑫;覃琴;顏靖柯;李利霞
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06N3/04;G06K9/62;G06F16/583
• 代理公司: 桂林市華杰專利商標事務所有限責任公司 45112
• 代理人: 覃永峰

本發明公開了一種基于卷積神經網絡的機械零件圖紙檢索方法，其特征在于，包括如下步驟：1）機械圖紙的標注；2）數據增強；3）mobileNet網絡的構建；4）三元圖例組的構建；5）損失函數設置；6）高維空間的映射；7）檢索實現。這種方法具有泛化能力強的特點，對于光照、拍攝角度均可實現類似圖形目標的高聚類低耦合，能提高機械零件圖紙相識度識別準確率檢索識別效率。

技術領域

本發明涉及圖像處理技術，具體是一種基于卷積神經網絡的機械零件圖紙檢索方法。

背景技術

機械零件設計過程中，需要對機器的工作要求，計算作用在零件上的載荷，依據對機器的工作要求及零件的特殊要求，選擇適當的材料，結合工藝性及其標準化等原則進行零件的結構設計、依據零件可能的失效形式確定計算準則，根據計算準則進行計算，確定出零件的基本尺寸，最終設計機械零件圖紙進行輔佐設計機械零件。機械零件圖紙成為了輔佐設計機械零件不可或缺的一部分，面對種類繁多，需求巨大的機械零件設計圖紙數據，如何快速、精準的查找到滿足用戶制定特定需求的設計圖紙，從而輔佐當前機械零件圖紙設計，日漸成為各領域研發和創新面臨的重大問題和挑戰。

在傳統的圖形檢索任務中，通常需要先訓練一個分類器，把卷積神經網絡的某一層輸出導入分類網絡獲取識別信息，依賴圖紙的幾何特征和拓撲特征，存在間接低效的缺點，即網絡產生的特征泛化能力不高且維數達上千維。傳統方法在光照、拍攝角度對圖形檢索也會有很大的影響。

發明內容

本發明的目的是針對現有技術的不足，而提供一種基于卷積神經網絡的機械零件圖紙檢索方法。這種方法具有泛化能力強的特點，對于光照、拍攝角度均可實現類似圖形目標的高聚類低耦合，能提高機械零件圖紙相識度識別準確率檢索識別效率。

實現本發明目的的技術方案是：

一種基于卷積神經網絡的機械零件圖紙檢索方法包括如下步驟：

1)機械圖紙的標注：對機械零件圖紙數據庫中的數據進行標注，將每個種類的機械零件圖紙圖片標注上對應的類名，在同一種類機械零件圖紙下，把相似的機械圖紙圖片采用唯一的標識ID創建文件夾并把圖片存放在此文件里面；

2)數據增強：對步驟1)獲取的機械圖紙圖片進行數據增強即對機械圖紙圖片進行裁剪、翻轉、旋轉、縮放、扭曲幾何變換、像素擾動、添加噪聲、光照調節、對比度調節、樣本加和或插值、分割補丁處理，數據增強能提高數據的多樣性，增強模擬的魯棒性，降低模型對參數的敏感度，提升模型的泛化能力，提升模型識別機械圖紙的精確度；

3)mobileNet網絡的構建：所述mobileNet網絡設有深度可分離卷積、普通卷積、全局平均池化和激活函數，并且將通道數縮減為原來卷積通道數的四分之一，通道數縮減能減少參數量和計算量，最后將經過卷積后，獲取機械圖紙圖片的高維特征，輸入到損失函數進行計算；