王贺[1]2002年在《基于神经网络的工程图尺寸标注单元识别研究》文中提出计算机科学的迅速发展及其在工程中的广泛应用给工程图的使用与保存带来重大变革，将纸质工程图转化为计算机可编辑的电子图档成为制造工程的客观要求。国内外针对工程图纸电子化问题进行了广泛的研究，并且在光栅图矢量化问题上取得了瞩目的成果，然而对初级矢量化工程图的拓扑修正、二维精确重建及叁维模型生成的研究却进展缓慢，究其原因，其中一个关键因素就是没有很好地解决尺寸标注语言的识别与理解问题。 针对这种状况，本文提出一种基于矢量信息，应用神经网络技术识别工程图标注单元的新方法，实现对各种形式标注单元的识别。首先，根据《机械制图》(GB．4448．4-84)中尺寸标注单元绘制规则对尺寸标注单元进行了分类，并以此为基础分析了各种类型尺寸标注单元的基本拓扑结构组成元素，进而提出一种基于矢量信息的拓扑结构元素特征编码规则与编码算法，并通过基本拓扑结构元素编码的组合得到各种具体形式标注单元的编码。然后，应用神经网络技术实现标注单元拓扑特征编码的提取与标注单元拓扑特征编码的识别。同时论文还对标注单元重建中的一些问题进行了讨论。
刘兴伟[2]2001年在《工程图解释与实物重建的原理方法及其应用研究》文中进行了进一步梳理全球竞争迫使制造业快速高效地生产出低成本高质量的产品。随着计算机网络和信息处理技术的发展，推动了企业产品开发模式的改变和产品设计制造领域的不断变革，国内中小企业迫切需要解决如何有效地使用分布式数据和各种知识库，以及如何创建集设计绘图、分析计算、智能决策、加工工艺为一体的分布式设计制造环境。其中要解决的关键问题之一是实现旧图纸和实物模型产品设计信息的重构，以及在当前电子商务和Internet／Intranet异构环境下，产品设计制造信息的有效管理和集成共享。 分布式产品数据管理(PDM)技术构成了产品信息管理和集成的基础平台，工程图解释和实物重建技术可以重构产品设计信息。虽然商用PDM系统已经成功应用到一些制造企业，但是由于实施技术水平环境要求较高、价格昂贵和系统升级费用高等原因，国内中小企业普遍难于实施。因此本文在分析了国内中小型制造企业的实际需要及其自身特点的基础之上，具体研究分布式PDM原理和实施关键技术，探讨企业信息集成的方法和产品设计信息重构的一些新算法，以及基于CORBA标准的、用于本文作者研制的工程图档管理系统(M-EDM)的新结构。本文研究目的是构建一个工程图档管理和远程设计环境，以便在企业的任何地方，总是能够把正确的信息，以正确的形式及时地传递到正确的人手中。论文的创新点和特色体现在以下几个方面： (1)提出一种基于知识引导的工程图解释总体方案，强调了知识在各个环节的引导作用。具体分析了在网络环境下知识获取、知识库的管理和推理机的实 四）；l大学博士学位论文一现。 口）提出一种基于多个子窗口的自适应中值滤波新型算法。把多个方向的子窗口同时作用于该象素，比较这些子窗口的灰度一致性，然后选择灰度一致性较高的于窗口的中值，作为处理后的该象素的灰度值。同时以一种标准测试图象和实际扫描图为例，对标准中值滤波器和本算法进行了对比试验，结果表明本算法具有较好的细节保护能力和较强的滤噪特性。 ＊）提出一种基于模糊集理论的自适应模糊增强算法，能够根据不同的图象自动选择最佳的转折点，从而有效地保证了模糊增强的效果。实验证明经处理后图象边界稳定，轮廓清晰，图象质量得到一定程度的改善。 O）开发了一套基于MFC的多文档界面的图象分析实验系统，用于验证本文算法的正确性，同时研制了光栅矢量混合编辑系统。 ＊）本文提出一种简单而有效的适用于工程扫描图的细化策略。首先逐步剥离边缘轮廓象素，然后为了去除在交叉点处存在的细小毛刺，不把当前误差累计到下一步，采用了一种基于数学形态的细化修正算法。实验证明效果良好。 （）本文在分析神经网络学习算法和比较了不同的分类器训练方法的基础上，提出一种基于自适应步长的神经网络分类器和一种有效的分类器训练方法，用于工程扫描图中英文字母的识别。 ＊本文在分析了典型的逆向工程系统模型的基础上，提出一种基于ICT图象的、局部曲面重建的实体建模系统模型，可以根据现有产品的测量数据直接显示叁维图象。同时，分析了基于光线追踪的体绘制算法的原理和影响显示效率的因素，提出了改善机械产品体绘制效率的新方法。 （8本文提出一种适合于中小企业的机械产品工程图档管理系统W＊DM），在此基础之上完成了原型系统构建。同时以M＊DM作为信息平台，提出一种基于CORBA标准的企业信息集成方案。
李蓉[3]2003年在《基于质量评价的矢量化工程图后处理技术研究》文中提出工程图自动识别技术旨在将扫描工程图像转换为与各种CAD系统相兼容的矢量数据格式，精确的矢量化结果是进一步进行图形理解的基础，然而当前的图纸扫描转换系统均未能取得令人满意的图素识别精度，矢量化结果中的错误只能依靠人工交互校正。校正错误的时间往往远大于矢量化的时间。研究如何提高矢量化系统输出数据的质量对提高工程图自动识别技术的水平和矢量化系统的性能及实用化程度有着重要的理论和应用意义。本文围绕这一主题开展矢量化工程图的后处理技术研究，提出“基于识别质量评价”的矢量图素错误自动判别和校正的解决方案，使得图纸扫描转换系统不但具有产生矢量化数据的能力，而且具有对所产生的矢量数据的质量进行评价分析和自适应校正的能力。 本文重点讨论了图素质量评价器的设计，提出采用图素识别质量特征因子来表述图素的识别质量，并以矢量图素对应的光栅图元作为约束矢量图素的模板或公差带，以此提取反映识别质量的特征因子，结合模糊理论的有关概念定义各种特征因子的表达式；图素的识别质量特征因子作为图素识别质量评价器的输入，由评价器经过处理后输出对图素识别质量的评判结果。 本文设计了一个基于人工神经网络的直线图素识别质量评价器，网络经过训练后可以取得类似人眼判断的评判效果，由于各识别质量特征因子在定义的时候一般都取的是和图素线宽的相对比值，因此本文提出的方法对于扫描工程图的分辨率的影响不敏感。对于圆弧型图素，则重点研究了常见的错误模式—伪圆弧的检测和校正技术，首先检测伪圆弧对应的光栅图元轮廓上的角点，并以这些角点对图元轮廓进行分段，再逐段分析。 在获得对图素识别质量的评价之后，质量较差的图素被输入到错误自动校正器进行错误校正处理，本文提出“二次矢量化”的错误校正思想，二次矢量化是在初步矢量化所获得知识的基础之上，取得初始参数，并在跟踪过程中动态校正参数，在跟踪结束时引入跟踪终止检测探针以消除光栅图像中黑白噪音的影响，使得算法具有较强的抗噪音干扰能力，校正后的图素仍需进行质量评价，未能通过评价的图素需递归执行二次矢量化算法。 本文最后一部分详细讨论了图形二维重建的关键技术，包括识别图素间的拓扑关系，建立带权有向图的拓扑关系动态表示模型，尺寸驱动技术及辅助线线型重构技术等。
辛宇鹏[4]2015年在《面向叁维数字化制造的机加工艺设计与优化技术研究》文中指出叁维数字化制造技术以叁维建模仿真替代传统的物理样机试验,与传统制造技术相比,在提高产品质量和降低生产成本方面表现出了更大的技术优势,近年来受到工业界和学术界的广泛关注。然而,叁维数字化制造技术的推广应用受传统基于二维工程图的工艺设计模式影响,目前存在业务和信息管理流程不统一、数据传递不一致等诸多问题。工艺设计过程过度依赖人工经验,设计结果的合理性难以得到有效保证。为了解决上述问题,本文针对机械加工(简称机加)工艺,探索了叁维数字化工艺设计新模式,借鉴基于模型定义(Model Based Definition,MBD)技术思想和原理,构建了面向叁维数字化制造的工艺设计与优化体系。重点研究了基于典型工序MBD模型的工艺路线决策与优化、基于模型定义的工序设计与优化和面向CAD/CAPP/CAM集成的虚拟加工环境优化配置等关键技术。论文主要研究内容如下:(1)构建了面向叁维数字化制造的机加工艺设计模式与技术体系。针对当前叁维数字化设计制造过程中存在的数据传递不一致的问题,提出工序MBD模型驱动的叁维数字化机加工艺设计模式,将工序MBD模型作为信息传递的唯一载体,避免了二维工程图和叁维模型的转换过程,保证了数据传递的一致性。构建了面向叁维数字化制造的机加工艺设计体系结构,为后续理论及方法的研究提供了总体框架。(2)研究了基于典型工序MBD模型的工艺路线决策与优化方法。为了简化工艺路线推理过程,提出了基于典型工序MBD模型的工艺路线推理方法。通过特征与典型工序MBD模型匹配,减少了不必要的加工方法、机床和工装选择决策步骤,简化了工艺路线推理过程。研究了基于粗糙集理论的典型工序MBD模型优选方法,通过工艺知识的度量和距离计算,实现了工艺路线的优化,保证了工艺路线推理结果更具客观性、合理性。(3)研究了基于模型定义的工序设计与优化方法。为了消除过渡特征对工序几何建模准确性的影响,提出一种基于过渡特征简化的工序叁维几何建模方法,通过重建过渡特征线段对过渡特征进行简化,消除了圆弧曲面对加工特征边界获取的干扰,保证了工序几何建模的准确性。研究了工序MBD模型组织管理方法,采用超变量几何相关性技术建立工序MBD模型几何变量关联关系,实现了工序模型自动更新,简化了工序更改过程。为保证工步安排的合理性,进一步研究了基于改进遗传算法的工步优化排序方法。以缩短加工辅助用时为优化目标,采用精英保留策略设计遗传算法步骤。该方法能够以较快的收敛速度获取全局最优解,得到加工辅助用时最少的加工工步序列。(4)研究了面向CAD/CAPP/CAM集成的虚拟加工环境优化配置方法。为了简化叁维虚拟加工环境配置过程,提出了基于工序MBD模型的虚拟加工环境配置方法。通过模板调用的方式自动配置虚拟加工环境,简化了CAM阶段的工艺准备过程,提高了工艺设计效率。为了实现制造资源的合理利用,以机床模型作为研究对象,提出了基于加工能力元聚类的机床模型优化配置方法。采用区间数FCM聚类算法获取机床模型最优集合,降低了人工经验对机床选择过程的主观影响,保证了机床配置方案的合理性。(5)设计开发了叁维数字化工艺设计与优化系统。基于UG/NX7.5平台设计开发了UG-CAPP原型系统,并通过TC系统和UG-CAPP系统的集成应用,实现了叁维数字化工艺设计与优化。以飞机双面大框结构件的机加工艺设计实例,验证了本文所提方法和技术的有效性。
王岩[5]2012年在《基于二维工程图尺寸的准确性研究》文中研究表明随着数控图形交互式自动编程技术的发展,越来越多的研究人员将研究工作重心放在如何自动识别图形中的几何特征,并且希望得到准确几何特征信息。由于叁维模型设计是参数化设计,这种对几何特征信息的识别研究颇有成效,而目前依然在广泛使用的二维模型设计由于并不是采用参数化设计的,图形中的尺寸标注特征和几何特征并不能完全保证匹配,所以单独识别图纸中的几何特征信息并不能保证加工出来的零件尺寸是准确的。虽然目前针对二维图形特征识别方法有很多,但进展缓慢,主要因素之一是单独研究几何特征而没有对图形的尺寸标注特征和几何特征一起进行研究。本文以目前在二维工程图中使用最广泛的软件AutoCAD为研究开发平台,对图形中的尺寸准确性进行校核,以保证二维图形中自动识别的几何特征是准确的。首先讨论了AutoCAD的各种二次开发工具,分析各自的特点,选择最适合课题研究的工具。其次根据AutoCAD软件的帮助文档对其数据库进行了研究,根据机械制图的国家标准(GB4448.4-84)分析了尺寸标注特征在软件中的各种类型以及标注样式。对于软件中的尺寸标注识别提出了两种方法,一种是针对常规尺寸标注特征,由于其具有整体特征,能够用常规的方法进行识别；另外一种是针对爆破尺寸标注,由于某些原因不再具备整体特征,本文提出了一种新的方案解决爆破尺寸标注识别的问题。在识别的过程中应用数据挖掘技术关联规则算法,通过基本图元之间的关联逐步进行识别,然后提取所有爆破尺寸标注的基本图元,完成对爆破尺寸标注的识别。最后,对尺寸标注与其对应的几何特征关联性进行了研究,讨论了如何利用尺寸标注的文本与几何特征配合对图形尺寸进行校核的方法,并通过实例进行了验证,说明了方法的有效性。
董天林[6]2016年在《基于设计特征的二维尺寸自动标注研究》文中认为就制造业现状来说,以二维图纸指导加工仍然是工厂中加工的主要形式,而且对工程图的标注通常要占用设计者一半的时间,所以工程图的标注速度将极大的影响设计制造效率。目前主流叁维软件的工程图设计中都包含自动标注功能,它们采用的方法是将草图中的图元尺寸标注和约束直接表示在工程视图中,标注结果大部分情况与实际相差较大,反而降低了标注的效率。针对这种情况本文提出了以设计特征为基础的工程图辅助自动标注的方法。首先对模型进行基本特征识别和组合特征识别,最后在工程图中标注这些特征的形位尺寸。具体研究内容如下:首先建立了各种基本特征的草图库,然后提取拉伸和旋转特征的草图。利用草图中每个环的边数据创建自己的边对象,然后对环中的边进行合并预处理。最后利用模式匹配的方法将待识别特征草图与基本特征草图库进行匹配识别了拉伸和旋转造型产生的基本特征(孔、轴、立方体等)。机械零件中不止有基本特征,还存在由孔或轴组成的组合特征(阵列孔、阶梯孔、阶梯轴等)。首先对基本孔、轴特征按共轴线和共法向量方向两种方法进行分类,然后针对每种组合特征设计专门的搜索识别算法,有效的识别出了叁维模型中包含的组合特征。设计了用于保存不同特征的数据结构,并在数据结构中加入了用于特征识别和防止重复标注的特殊属性。最后利用自动标注技术实现了在工程图中对识别出的特征进行标注。通过这种方法有效的实现了对工程图的辅助自动标注,达到了提高设计人员标注速度的目的。
冯奂[7]2006年在《机械工程图中点划线、粗糙度和形位公差符号的识别技术研究》文中研究指明工程图纸识别是图像处理、模式识别和人工智能等多种学科的综合应用,直接面向企业需求,具有很高的理论意义和应用价值,是CAD领域的重要课题。经过多年研究,扫描工程图纸识别已经取得较大进展,部分实现像素到矢量的转换。但是,现有的工程图纸识别系统的矢量化结果是以孤立存在的图形基元(直线、圆弧、圆和字符等)为主,这种孤立图元结构的工程图识别结果缺乏矢量之间的逻辑关系、位置关系、拓扑结构关系和工程语义信息等,与高层次的工程图识别理解与智能重用相差较远。要全面实现工程图纸的识别理解与智能重用,完成二维模型到叁维模型的转变,就必须在矢量化基础上进一步识别出工程图中的各种图形符号。本文对点划线、粗糙度符号和形位公差符号的识别技术进行了深入的研究。 本文分析了现有的点划线识别算法,指出了其局限性,为了克服现有方法的缺陷,本文根据直线式点划线和圆弧式点划线的构造特点和语法规则,在矢量基础上,提出了一种基于关键图形特征的识别算法。该算法首先提取一条直线或一段圆弧,将它们作为点划线的关键元素:然后根据点划线的语法规则,由关键元素引导,逐步搜索其它构成元素。该算法摆脱了以往仅识别直线式点划线的模式,对圆弧组成的点划线也有了很好的识别,提高了该算法的通用性。针对半径较小的圆或圆弧,本文提出了一种圆的中心线识别算法,以适应点划线为一条直线的特殊情况,并提高了圆的中心线的识别率。 本文还分析了现有的粗糙度符号识别算法,指出了其局限性,为了克服现有方法的缺陷,本文根据机械工程图中粗糙度符号的特点,在矢量基础上,提出并实现了一种基于关键图形特征和标注字符相结合的识别算法。该方法包括3个步骤:首先寻找该类图形的关键元素:然后根据该类图形的具体构造语法规则,由关键元素引导、逐步搜索该类图形的其它结构元素;最后用字符信息来对该类图形的有效性做出判定。该算法除了可以识别直线式粗糙度符号外,还可以对基本粗糙度符号和圆型粗糙度符号进行识别,提高了粗糙疫符号的整体识别率,解决了粗糙度符号另外两种形状的识别问题,由于用字符信息加以辅助判断,该算法的适应性和容错性得到进一步提高,此外该算法还具有识别过程简单、快速等优点。 本文讨论了在工程图矢量化后对形位公差符号的识别工作。针对形位公差自身的特点和语法、语义规则,在矢量基础上,提出并实现了一种基于关键图形特
张明月[8]2017年在《基于深度学习的图像分割研究》文中进行了进一步梳理图像分割是数字图像处理领域的一个主要研究方向,在许多计算机视觉应用的研究中作为第一步,起到十分关键的作用。由于图像分割的重要性和困难性,图像分割技术自20世纪70年代以来一直备受研究人员的重视。虽然人们针对各种问题提出了许多方法,但到目前为止仍然没有一个适用于大多数图像的分割算法,也没有制定出标准来选择适用的分割算法。传统的图像分割方法大部分先对图像进行特征提取,然后映射到某种模型中,不仅过程复杂,效果不鲁棒,且往往不能给出语义信息。因此,提高图像分割算法的效率并且提升分割效果具有重要的意义。得益于“大数据”和高性能计算设备的发展,深度学习成为当前人工智能领域的一大研究热点。深度学习本质上是神经网络的拓展,目前在语音识别、人脸识别、物体识别、目标检测等诸多人工智能领域都取得了突破性进展。在计算机视觉领域,深度学习应用最广泛的一种模型就是卷积神经网络。其通过局部连接和权值共享两个特性,大大减少了模型参数的数量,从而使模型可以做到很深的层次。深度学习可以从大量标注图像数据直接学习和提取相关特征,省略过去十分繁杂的建模过程,为许多领域的研究提供了便利。本文就是针对基于深度学习的图像分割方法进行深入研究。基于深度学习的图像语义分割的主要思路是,使用像素级标注的图像,利用上采样、反卷积等特殊层,将普通卷积网络提取到的特征再还原回原图像尺寸,从而实现一种端到端的学习。本文在借鉴已有网络的基础上,提出了一种叫Fast-Seg Net的网络新架构,新架构使用了最新的残差网络结构,结合了稀疏卷积、分解卷积等操作,配合批归一化,将网络深度做到了28层,在提高了精度的同时,依然保持了运行的速度。通过迁移学习的训练方法,加快了网络的收敛速度和精度。另外,本文提出了一套对图像进行像素级标注的工具和流程,并编写了图像像素级标注检查工具,采集了吉林大学校园里的街景,合格标注了1566张照片,并在其上面训练了Fast-Seg Net,取得了不错的效果,平均联合交叉度量m Io U达到了70.2%。
周良[9]2008年在《基于内容的工程图档检索及其关键技术研究》文中研究表明电子图档的重用是提高CAD软件使用效率的一个重要手段,因此如何从图档数据库中方便、快捷地查询与获取所需图档资料是其中的关键。目前,图档检索一般是根据图档的项目、设计人、图号等关键字完成的,基于关键字检索方法的优点是检索速度快、技术实现简单和检索方便,但存在人工标注费时、很难用文字完整的描述图档等问题。为了继承基于关键字检索的优点及弥补其不足,本文在图档检索中引入手绘草图技术,实现基于内容的图档检索。基于内容的图档检索与基于关键字检索不同的是:基于内容的图档检索是通过对图档内容的分析,抽取图档内容特征进行相似度计算,从而实现图档检索。用户只需以手绘草图的方式画出基本形状就可以找到结构相似的图档,这样可大大减少现有图档管理系统对检索条件的制约,增加检索方式的灵活性。论文对基于内容的工程图档检索涉及的若干关键件技术进行了较深入的研究,提出了基于内容的工程图档检索系统( Content-Based Engineering Drawing Retrieval System,CBEDRS)框架,研究了草图识别、图形匹配及相关反馈等关键技术,实现了系统原型。论文主要研究内容如下:(1)提出了基于内容的工程图档检索概念引入手绘草图实现用户检索意图表达,提出了基于内容的工程图档检索概念。给出了基于内容的图档检索系统框架,并基于Web Service及多层架构实现了基于内容的工程图档检索系统原型。(2)提出了一种手绘草图的模糊识别方法在草图识别中引入模糊集合,并根据模糊模式识别的最大隶属度原则,提出了一种手绘草图的模糊识别方法;在基本图元及简单图形识别的基础上,根据图元之间的拓扑关系、方位关系及旋转关系实现组合图形的识别;给出了集成手绘草图输入、草图模糊识别及相关反馈技术于一体的草图输入处理工具构建方法。(3)提出了一种基于事例推理的用户检索意图预测方法通过对用户识别过程事例的管理,利用模糊集的距离度量反映用户草图绘制习惯,预测用户输入意图。给出了草图识别过程事例的模糊表示及识别事例模糊相似性检索方法。在此基础上,利用事例分层模糊相似检索方法,提高了模糊相似事例检索效率。(4)提出了一种基于图匹配的图形相似度计算方法通过将不同复杂层次的图形元素构成抽象为空间关系图,从而将图形检索转化为不同信息粒度的空间关系图相似度计算。通过搜索空间约束缩小图档数据库搜索空间,同时增加结点及边匹配约束条件预测后继有效匹配状态,有效地减少了空间关系图匹配过程中状态搜索空间,提高了图匹配算法效率。(5)提出了一种基于内容的工程图档检索相关反馈方法基于内容的工程图档检索中相关反馈技术的研究主要包括草图识别中的隐式反馈及草图检索结果的显式反馈。根据用户对检索结果中正/负例样本的标注,提出了一种阈值自适应调整方法,并给出了单一图元构成图形、多图元构成图形的查询点移动及相应权重调整方法,以提高检索精度及有效捕捉用户检索意图。
齐嘉锐[10]2017年在《基于高阶卷积神经网络的工图零件字符识别与检测》文中研究表明随着计算机科学技术的迅速发展,其在工业工程领域中的应用也越发广泛。在实际工程设计中,工程图纸作为重要一环,是工作人员进行施工的信息依据,而将图纸中的关键信息录入到计算机中也是一项较为常见的工作内容。但由于工程图纸通常数量多,内容复杂,传统人为识别并录入的方法工作效率较低,且出错率较高。所以,工图字符识别技术作为一项基于图像处理、模式识别和人工智能等多学科的综合应用,在工程领域中有着重要意义。光学字符识别(Optical Character Recognition,OCR)作为图像处理的重要方向从被提出到现在已经约有90年的历史,在这期间人们对于它的研究兴趣逐渐上升。光学字符识别通常由字符定位和字符识别两大部分组成,在字符定位方面虽已趋于成熟,但随着图像的分辨率以及复杂度的提升,对于算法的效率及空间要求逐渐提高,多数算法虽能达到较高的精确度,但在情况复杂特殊的工图中要求算法具有较强的鲁棒性,传统的算法无法在工图图纸中达到精确的定位,且许多算法在分辨率高达十亿级以上的时候显得效率较低。而在字符识别方面,该研究方向大致分为字符形状结构方法和基于统计的方法两类,卷积神经网络相比传统的特征提取统计算法,可以自动提取出字符的特征,而不需要显性的再次改造及加入二次处理特征提取算法,这样就减少了很多主观的选取误差,体现了卷积神经网络提取出特征的强鲁棒性,因而卷积神经网络在图像处理机器视觉方向得到了广泛的应用。所以将卷积神经网络加入其中具有可行性。本文首先在字符定位方面,针对英文字母以及数字结构的无规律性及不饱和性,并参照传统的较为成熟的几种定位算法,选取了相对稳定且精确度高的连通域算法作为本文定位算法的基础。针对复杂度较高的工图提出了改进的区域生长阈值连通域算法,与基于区域生长以及基于轮廓跟踪的连通域算法相比在工图字符定位方面效率有了明显的提高,应用范围更广。针对工程图纸的绘图特征,本文加入了针对性的直线检测、阈值判定及尺寸比例判定等算法,加强了实验效果。在卷积神经网络的识别方面,国外近些年来较多的利用卷积神经网络在特定的情境下进行图像识别方面的应用,但国内的研究尚未成熟。随着卷积神经网络种类以及复杂度的提升,目前针对不同的目标图像特征来选取恰当的卷积神经网络,从而改进神经网络结构,择优选取合适的激励函数来提升学习效率成为一个重要的研究难题。Le Net-5是一个较早提出的相对成熟稳定的卷积神经网络模型,该网络最初应用于银行手写数字识别中,随后应用于其它方面的特征识别,而本文所面对字母以及数字的识别类别远大于原卷积神经网络所处理的10个数字,算法的时间复杂度较之前的目标学习有了较大的改进,所以本文针对原卷积神经网络的结构层数、输出以及激励函数、池化算法等都进行了改进。通过实验我们可以看到算法的执行时间大幅减少,并且在工图特定环境中识别的精度也有显着提高。本文在自采集的实验工图中进行实验,为确保实验图的有效性,本文采集了30000幅标准工图,尺寸分辨率在3000×5000到10000×20000的范围内,为增添实验的复杂性,本文又在实验中加入1000幅手绘工图。实验证明,本文在字符定位方面准确率到达97.8%,说明提出的改进连通域算法有效,同样在字符识别方面,识别率高达99.4%,运行时间对比之前的Le Net-5算法节约20%,证明本文针对复杂工图上的字符识别有较大的改进。
参考文献：
[1]. 基于神经网络的工程图尺寸标注单元识别研究[D]. 王贺. 西北工业大学. 2002
[2]. 工程图解释与实物重建的原理方法及其应用研究[D]. 刘兴伟. 四川大学. 2001
[3]. 基于质量评价的矢量化工程图后处理技术研究[D]. 李蓉. 西北工业大学. 2003
[4]. 面向叁维数字化制造的机加工艺设计与优化技术研究[D]. 辛宇鹏. 西北工业大学. 2015
[5]. 基于二维工程图尺寸的准确性研究[D]. 王岩. 郑州大学. 2012
[6]. 基于设计特征的二维尺寸自动标注研究[D]. 董天林. 华中科技大学. 2016
[7]. 机械工程图中点划线、粗糙度和形位公差符号的识别技术研究[D]. 冯奂. 西北工业大学. 2006
[8]. 基于深度学习的图像分割研究[D]. 张明月. 吉林大学. 2017
[9]. 基于内容的工程图档检索及其关键技术研究[D]. 周良. 南京航空航天大学. 2008
[10]. 基于高阶卷积神经网络的工图零件字符识别与检测[D]. 齐嘉锐. 吉林大学. 2017
标签：工业通用技术及设备论文; 机器学习论文; 矢量化论文; 尺寸标注论文; 深度学习论文; 神经网络算法论文; 卷积神经网络论文; 系统评价论文; 有效质量论文; 工程信息论文; 信息加工论文; 符号计算论文; 卷积论文; 二维论文;