[發(fā)明專利]基于改進自適應(yīng)遺傳算法優(yōu)化特征向量的零件識別方法

在審

• 申請?zhí)枺?/td>: 202310425848.8
• 申請日: 2023-04-20
• 公開（公告）號: CN116486098A
• 公開（公告）日: 2023-07-25
• 發(fā)明（設(shè)計）人: 鄧濤;李志強;張方哲;馬爭;郝千駒
• 申請（專利權(quán)）人: 成都飛機工業(yè)（集團）有限責(zé)任公司
• 主分類號: G06V10/40
• 分類號: G06V10/40;G06V10/30;G06V10/28;G06N3/126
• 代理公司: 成都君合集專利代理事務(wù)所(普通合伙) 51228
• 代理人: 何巍

1.基于改進自適應(yīng)遺傳算法優(yōu)化特征向量的零件識別方法，其特征在于，包括以下步驟：

(1)依次拍攝所有待識別目標(biāo)零件，獲得所有待識別目標(biāo)零件的圖像，并對所有待識別目標(biāo)零件圖像進行預(yù)處理；

(2)提取預(yù)處理后所有待識別目標(biāo)零件圖像的特征參數(shù)，組成所有待識別目標(biāo)零件的初始特征向量；

(3)設(shè)置未知權(quán)重參數(shù)，令其與提取的所有待識別目標(biāo)零件圖像的特征參數(shù)相乘，獲得所有待識別目標(biāo)零件的加權(quán)特征向量，以任意兩兩零件之間的加權(quán)特征向量的歐式距離之和構(gòu)建適應(yīng)度目標(biāo)函數(shù)；

(4)將構(gòu)建的適應(yīng)度目標(biāo)函數(shù)帶入自適應(yīng)遺傳算法，得到所有優(yōu)化后的目標(biāo)權(quán)值，將目標(biāo)權(quán)值帶入個所有零件的初始特征向量，得到所有優(yōu)化后的加權(quán)特征向量；

(5)對目標(biāo)零件進行圖像拍攝，提取該目標(biāo)零件的加權(quán)特征向量，通過比較目標(biāo)零件圖像與其他零件的優(yōu)化后的加權(quán)特征向量之間的歐式距離，得出識別結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于改進自適應(yīng)遺傳算法優(yōu)化特征向量的零件識別方法，其特征在于，所述步驟(1)中，待識別目標(biāo)零件采用工業(yè)相機進行拍攝，所述工業(yè)相機的型號為AVT?Mako?G-158B，成像分辨率1456像素x1088像素，搭配使用焦距為8mm的工業(yè)相機鏡頭。

3.根據(jù)權(quán)利要求1或2所述的基于改進自適應(yīng)遺傳算法優(yōu)化特征向量的零件識別方法，其特征在于，所述步驟(1)中對獲得的待識別目標(biāo)零件圖像的預(yù)處理包括對圖片的降噪處理和二值化處理。

4.根據(jù)權(quán)利要求1或2所述的基于改進自適應(yīng)遺傳算法優(yōu)化特征向量的零件識別方法，其特征在于，所述步驟(2)提取預(yù)處理后所有待識別目標(biāo)零件圖像的特征參數(shù)，組成所有待識別目標(biāo)零件的初始特征向量的具體過程為：

(2.1)提取其中一個待識別目標(biāo)零件預(yù)處理后的圖像，通過傳統(tǒng)機器視覺處理手段獲取描述其圖像特征的特征參數(shù)，并由此得到該待識別目標(biāo)零件的初始特征向量；。

(2.2)重復(fù)步驟(2.1)的過程，獲取全部待識別目標(biāo)零件的初始特征向量。

5.根據(jù)權(quán)利要求4所述的基于改進自適應(yīng)遺傳算法優(yōu)化特征向量的零件識別方法，其特征在于，所述步驟(2.1)中的特征參數(shù)包括表述圖像特征的形狀不變因子與幾何不變矩。

6.根據(jù)權(quán)利要求1或2所述的基于改進自適應(yīng)遺傳算法優(yōu)化特征向量的零件識別方法，其特征在于，所述步驟(3)構(gòu)造的適應(yīng)度目標(biāo)函數(shù)為：

其中，j＝1,2,……,m表示特征參數(shù)的序號，i＝1,2,……,n表示零件序號，K_i為權(quán)重參數(shù)，V_ki為加權(quán)特征向量。

7.根據(jù)權(quán)利要求1或2所述的基于改進自適應(yīng)遺傳算法優(yōu)化特征向量的零件識別方法，其特征在于，所述步驟(4)的具體過程為：

(4.1)初始化種群，并根據(jù)當(dāng)前種群平均適應(yīng)度設(shè)置改進自適應(yīng)遺傳算法的變異率與交叉率；

(4.2)設(shè)置dropout機制：通過將權(quán)重隨機置零的方式，自發(fā)地探索使用較少特征參數(shù)表征各類零件差異性的組合，從而提升識別速度；

(4.3)設(shè)置最優(yōu)保存策略：在雜交和變異過程中，如果子代的最小適應(yīng)值不小于父系的最小適應(yīng)值，則隨機淘汰子代中的單個個體，以保存父系中的最佳個體，使更接近真實值的參數(shù)更有可能被帶入下一代。

8.根據(jù)權(quán)利要求1或2所述的基于改進自適應(yīng)遺傳算法優(yōu)化特征向量的零件識別方法，其特征在于，所述步驟(5)的具體過程為：

(5.1)采集當(dāng)前待識別零件圖像，并進行降噪、二值化等圖像預(yù)處理；

(5.2)提取當(dāng)前待識別鈑金件圖像的特征參數(shù)；

(5.3)得到優(yōu)化后的目標(biāo)權(quán)值帶入當(dāng)前待識別零件圖像的特征參數(shù)，得到當(dāng)前待識別鈑金件的加權(quán)特征向量；

(5.4)計算當(dāng)前待識別鈑金件的加權(quán)特征向量與得到的各零件的加權(quán)特征向量之間的歐式距離，將歐式距離最小的零件對應(yīng)的編號輸出，即為識別結(jié)果。