文献类型：期刊文献

中文题名：基于数据增强的粗糙度加工实时检测技术研究

英文题名：Real-time Detection of Surface Roughness in Machining Based on Data Argumentation

作者：谢炳生[1];刘璨[1];周群龙[1];刘焕牢[1];吴敬权[1];周本政[1]

机构：[1]广东海洋大学机械工程学院,广东省湛江市524088

年份：2023

卷号：57

期号：6

起止页码：122

中文期刊名：工具技术

外文期刊名：Tool Engineering

收录：CSTPCD、、北大核心、北大核心2020

基金：国家自然科学基金(52175458)。

语种：中文

中文关键词：粗糙度实时检测;图像数据增强;运动模糊;卷积神经网络

外文关键词：roughness real-time detection;image data argumentation;motion blur;convolutional neural networks

中文摘要：在铣削加工时对工件的表面粗糙度进行实时检测的过程中,针对相机运动拍摄获取的图像存在运动模糊以及运动模糊的变化影响表面粗糙度识别的问题,根据图像运动模糊的形成原理,提出一种基于运动模糊算子的数据增强方法,该方法可以生成多种模糊程度的图像。测试结果表明,所述方法可以扩大被训练的CNN模型的模糊适应范围,模型的粗糙度平均识别准确率提高了23.45%。

外文摘要：Aiming at the problem of motion blur variety in the images captured by camera during real-time detection of the surface roughness in milling,and the variety of motion blur affects the surface roughness recognition.According to the formation principle of image motion blur,a new data augmentation method based on the motion blur filter is proposed,which can generate images with various degrees of blur.The test result shows that this method can improve the blur adaptation range of the trained CNN model,and the average recognition accuracy of roughness is increased by 23.45%.