[發明專利]基于改進自適應遺傳算法優化特征向量的零件識別方法

在審

• 申請號: 202310425848.8
• 申請日: 2023-04-20
• 公開（公告）號: CN116486098A
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 鄧濤;李志強;張方哲;馬爭;郝千駒
• 申請（專利權）人: 成都飛機工業（集團）有限責任公司
• 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所(普通合伙) 51228
• 代理人: 何巍

本發明公開了基于改進自適應遺傳算法優化特征向量的零件識別方法，包括以下步驟：1)依次拍攝所有待識別目標零件，并對獲取圖像進行預處理；2)提取圖像的特征參數，獲得初始特征向量；3)設置未知權重參數，令其與特征參數相乘，獲得加權特征向量，構建適應度目標函數；4)通過自適應遺傳算法，得到所有優化后的加權特征向量；5)該目標零件的加權特征向量，通過比較目標零件圖像與其他零件的優化后的加權特征向量之間的歐式距離，得出識別結果。本發明具有較好的零件族間可分性，同時具有較強的魯棒性，提高了特征識別算法的穩定性，實現了自適應特征向量維數，從而縮減實際過程中的識別響應時間，最終實現對零件準確高效的識別過程。

技術領域

本發明涉及機器視覺技術領域領域，具體是指一種基于改進自適應遺傳算法優化特征向量的零件識別方法。

背景技術

隨著現代科技的發展,現代化工業生產對制造精度更高、效率更快、智能化更高的先進制造技術要求越來越迫切；機器視覺技術具有快速性、可重復性、智能化、非接觸、現場抗干擾能力強等優點。總體上，基于機器視覺的零件識別方法可以分為傳統視覺識別方法和深度學習識別方法?；谏疃葘W習的識別方法，在訓練神經網絡時，需要拍攝大量的訓練樣本，難以滿足柔性生產線的檢測要求。

傳統的機器視覺檢測方法中，較為常見的是通過提取圖像的輪廓信息和灰度信息獲得鈑金件的面積、周長、不變矩等參數，以此構成特征向量進行識別。當對工業零件進行機器視覺檢測時，尤其是針對一些相似零件，由于輪廓信息和灰度信息高度相似，導致直接使用面積，周長，不變矩等特征參數進行比較的方法已經無法準確檢測出零件的正確信息。針對不同形狀特征的零件，需要一種針對性強、準確而高效的識別方法。

目前，現有公開號為CN110866894A的中國專利，公開了一種基于機器視覺技術的跨粒度的鈑金件識別系統及方法，其提出通過人工視覺引導的方式將高相似度飛機鈑金件調整至可區分的視角。其基于機器視覺的零件識別方法在識別的過程中存在著計算復雜度高、識別精度低等問題。同時，在各個領域零件的識別任務存在著相似的問題。

發明內容

本發明的目的在于提供一種適用性強、計算復雜度低、識別準確且高效的基于改進自適應遺傳算法優化特征向量的零件識別方法。

本發明通過下述技術方案實現：基于改進自適應遺傳算法優化特征向量的零件識別方法，包括以下步驟：

(1)依次拍攝所有待識別目標零件，獲得所有待識別目標零件的圖像，并對所有待識別目標零件圖像進行預處理；

(2)提取預處理后所有待識別目標零件圖像的特征參數，組成所有待識別目標零件的初始特征向量；

(3)設置未知權重參數，令其與提取的所有待識別目標零件圖像的特征參數相乘，獲得所有待識別目標零件的加權特征向量，以任意兩兩零件之間的加權特征向量的歐式距離之和構建適應度目標函數；

(4)將構建的適應度目標函數帶入自適應遺傳算法，得到所有優化后的目標權值，將目標權值帶入個所有零件的初始特征向量，得到所有優化后的加權特征向量；

(5)對目標零件進行圖像拍攝，提取該目標零件的加權特征向量，通過比較目標零件圖像與其他零件的優化后的加權特征向量之間的歐式距離，得出識別結果。

本技術方案的工作原理為，使用機器視覺相關技術，提出了一種面向基于圖像特征信息的零件識別的參數優化方法；首先，拍攝待識別目標零件的圖像，并進行降噪、二值化等圖像預處理；接著，采用機器視覺技術，采集預處理后零件圖像的特征參數，再組成對應零件的初始特征向量；接著，建立以任意兩兩零件之間加權特征向量歐式距離之和的適應度目標函數；進而通過改進的自適應遺傳算法迭代優化各特征參數的權重；最后，在零件識別過程中通過比較待識別零件的圖像與零件圖像的加權特征向量的歐式距離，得出識別結果。該方法可有效提高基于特征向量的零件圖像識別算法的穩定性，且可根據計算結果優化特征向量維數，從而縮減識別響應時間。