摘 要： 研究了基于BP神經(jīng)網(wǎng)絡(luò)的智能制造系統(tǒng)圖像識(shí)別技術(shù)。在當(dāng)前制造業(yè)系統(tǒng)設(shè)計(jì)中，由于圖像資源結(jié)構(gòu)復(fù)雜，通過BP神經(jīng)網(wǎng)絡(luò)，有助于提取圖像特征、優(yōu)選特征向量組成方案，從而優(yōu)化實(shí)現(xiàn)智能制造系統(tǒng)圖像識(shí)別技術(shù)。該文基于BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)了一個(gè)智能制造系統(tǒng)，并采用B/S模式設(shè)計(jì)系統(tǒng)結(jié)構(gòu)，制造系統(tǒng)的圖像識(shí)別技術(shù)，可以降低系統(tǒng)在使用過程中18.0的冗余度，同時(shí)也提升該系統(tǒng)12.0%的應(yīng)用性能。結(jié)論表明，基于BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)實(shí)現(xiàn)智能制造系統(tǒng)圖像識(shí)別技術(shù)，可以使系統(tǒng)的平臺(tái)更具智能性，符合制造業(yè)信息化發(fā)展要求，提升智能制造系統(tǒng)圖像識(shí)別性能。

關(guān)鍵詞： B/S模式； 智能制造系統(tǒng)； BP神經(jīng)網(wǎng)絡(luò)； 圖像識(shí)別技術(shù)

中圖分類號(hào)： TN926?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2016）18?0107?03

Abstract： The aim of this paper is to study the image recognition technology of intelligent manufacturing system based on BP neural network. With the development of BP neural network， the manufacturing industry in China towards to information development has become a major trend. In the system design of current manufacturing industry， since the image resources structure is complex， the BP neural network is employed to extract the image features and optimize the composing solution of feature vectors， so as to optimize and realize the image recognition technology of intelligent manufacturing system. The results show that the BP neural network based image recognition technology of intelligent manufacturing system can reduce the system redundancy of 18.0 in using process， and improve the system application performance of 12.0%. The conclusion shows that the image recognition technology based on BP neural network can make the system platform more intelligent， meet the development requirements of manufacturing information， improve the image recognition performance of intelligent manufacturing system， and play a positive impact.

Keywords： B/S pettern； intelligent manufacturing system； BP neural network； image recognition technology

BP神經(jīng)網(wǎng)絡(luò)不僅是具有自主學(xué)習(xí)性與自組性的智能算法，同時(shí)在智能識(shí)別、分類圖像資源方面，也發(fā)揮積極影響[1?2]。在智能制造系統(tǒng)設(shè)計(jì)中，運(yùn)用基于BP神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別技術(shù)，不僅可以大大提高智能制造系統(tǒng)智能性，也可發(fā)揮積極應(yīng)用價(jià)值。

1 BP神經(jīng)網(wǎng)絡(luò)

在實(shí)際運(yùn)用中，BP神經(jīng)網(wǎng)絡(luò)是基于人大腦神經(jīng)系統(tǒng)的一種數(shù)學(xué)模擬而形成的模型結(jié)構(gòu)，神經(jīng)網(wǎng)絡(luò)的存在就是要產(chǎn)生智能的控制行為[3]。在BP神經(jīng)網(wǎng)絡(luò)中，不僅有大量的單元，同時(shí)也可以通過改變權(quán)值，從而并行分布式，提升系統(tǒng)結(jié)構(gòu)組織的靈活性[4]。BP神經(jīng)網(wǎng)絡(luò)中，神經(jīng)元是其基本的處理單元，可以有多輸入，但是必須是單輸出，是一種特殊的非線性器件[5]。其最基本的單個(gè)神經(jīng)元結(jié)構(gòu)如圖1所示。

2 設(shè)計(jì)需求分析

在本次智能制造系統(tǒng)設(shè)計(jì)中，基于BP神經(jīng)網(wǎng)絡(luò)，優(yōu)化系統(tǒng)圖像識(shí)別技術(shù)，更加高效、精準(zhǔn)地對(duì)圖像進(jìn)行識(shí)別，可以在經(jīng)閾值分割之中，形成一個(gè)關(guān)于制造系統(tǒng)中零件的二值圖，并可從該圖中，提取出針對(duì)其識(shí)別目標(biāo)物的區(qū)域內(nèi)部結(jié)構(gòu)，包括邊界、大小、形狀等相關(guān)的幾何參數(shù)，提升該系統(tǒng)運(yùn)用價(jià)值[6?9]。同時(shí)，基于BP神經(jīng)網(wǎng)絡(luò)，具有結(jié)構(gòu)簡(jiǎn)單的優(yōu)勢(shì)，且在該網(wǎng)絡(luò)中具備的可調(diào)整參數(shù)也多，實(shí)際運(yùn)用中的訓(xùn)練算法較多，有很好的可操作性[10]，故在系統(tǒng)設(shè)計(jì)中該技術(shù)的應(yīng)用也最為廣泛，在設(shè)計(jì)實(shí)現(xiàn)智能制造系統(tǒng)圖像識(shí)別過程中，可以有效提升該系統(tǒng)對(duì)于圖像識(shí)別的效率，從而減少圖像識(shí)別誤差，提升系統(tǒng)設(shè)計(jì)應(yīng)用性能。

3 實(shí)現(xiàn)基于BP神經(jīng)網(wǎng)絡(luò)的智能制造系統(tǒng)圖像識(shí)別技術(shù)

3.1 總體設(shè)計(jì)結(jié)構(gòu)

在本智能制造系統(tǒng)設(shè)計(jì)中，基于BP神經(jīng)網(wǎng)絡(luò)采取 B/S 模式設(shè)計(jì)系統(tǒng)結(jié)構(gòu)，如圖2所示。

該結(jié)構(gòu)可以加強(qiáng)系統(tǒng)各模塊之間的關(guān)聯(lián)，更好地發(fā)揮系統(tǒng)圖像識(shí)別效率。

3.2 優(yōu)化圖像識(shí)別技術(shù)

智能制造系統(tǒng)設(shè)計(jì)中，可用計(jì)算機(jī)對(duì)圖像進(jìn)行處理，并可以分析、理解圖像識(shí)別算法，學(xué)習(xí)圖像識(shí)別知識(shí)，能夠根據(jù)目標(biāo)對(duì)像的特征，實(shí)現(xiàn)圖像信息的識(shí)別[11]。本次系統(tǒng)的圖像識(shí)別的具體的識(shí)別流程如圖3所示。

在圖像識(shí)別中，系統(tǒng)基于BP神經(jīng)網(wǎng)絡(luò)，變換神經(jīng)網(wǎng)絡(luò)中神經(jīng)元梯度權(quán)值，從而提升BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練收斂度，有效減小圖像識(shí)別中的訓(xùn)練誤差，從而可以達(dá)到系統(tǒng)需求的圖像識(shí)別效果。

3.3 構(gòu)建BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

在神經(jīng)網(wǎng)絡(luò)中，不僅需要具備輸入層、輸出層的相關(guān)節(jié)點(diǎn)，同時(shí)，也需包括一層或者多層的隱含節(jié)點(diǎn)。在BP神經(jīng)網(wǎng)絡(luò)之中，可以將輸入的信息傳播到網(wǎng)絡(luò)中的隱含層節(jié)點(diǎn)，通過各單元中作用函數(shù)運(yùn)算之后，將其輸出的信息傳播到系統(tǒng)中的輸出節(jié)點(diǎn)。

4 分析該智能制造系統(tǒng)的應(yīng)用效益

在此對(duì)智能制造系統(tǒng)進(jìn)行圖像識(shí)別方面的試驗(yàn)，以及對(duì)系統(tǒng)應(yīng)用效益進(jìn)行驗(yàn)證。在本次應(yīng)用中，對(duì)制造業(yè)中的齒輪、凸輪等機(jī)械零件圖進(jìn)行識(shí)別，其試驗(yàn)中的樣本結(jié)構(gòu)如表1所示。

經(jīng)過對(duì)于系統(tǒng)的試驗(yàn)驗(yàn)證，在其結(jié)果中證實(shí)，運(yùn)用該系統(tǒng)進(jìn)行圖像識(shí)別，能夠有效提取出每張制造圖像的面積、長(zhǎng)軸以及周長(zhǎng)等參數(shù)，有效提升該系統(tǒng)實(shí)用性?；贐P神經(jīng)網(wǎng)絡(luò)優(yōu)化設(shè)計(jì)智能制造系統(tǒng)的圖像識(shí)別技術(shù)，可以降低系統(tǒng)在使用過程中18.0的冗余度，同時(shí)也提升該系統(tǒng)12.0%應(yīng)用性能。

5 結(jié) 論

綜上所述，對(duì)于臨床智能制造系統(tǒng)設(shè)計(jì)而言，基于BP神經(jīng)網(wǎng)絡(luò)優(yōu)化圖像識(shí)別技術(shù)，不僅可以有效提升系統(tǒng)圖像識(shí)別效率，也可以提升智能制造系統(tǒng)運(yùn)行效率，使該系統(tǒng)更具智能性，在實(shí)踐應(yīng)用中更加充分展現(xiàn)系統(tǒng)優(yōu)勢(shì)，發(fā)揮其積極影響。

參考文獻(xiàn)

[1] 張瑞，王振忠，郭龍，等.基于圖像識(shí)別的機(jī)床工況監(jiān)控系統(tǒng)[J].制造技術(shù)與機(jī)床，2014（4）：130?132.

[2] 陳向奎，康牧.基于BP神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別跟蹤技術(shù)[J].艦船科學(xué)技術(shù)，2015（4）：219?222.

[3] 鄒修國(guó)，丁為民，陳彩蓉，等.基于改進(jìn)灰度共生矩陣和粒子群算法的稻飛虱分類[J].農(nóng)業(yè)工程學(xué)報(bào)，2014，30（10）：138?144.

[4] 溫芝元，曹樂平.椪柑果實(shí)病蟲害的傅里葉頻譜重分形圖像識(shí)別[J].農(nóng)業(yè)工程學(xué)報(bào)，2013，29（23）：159?165.

[5] 曹維時(shí)，張春慶，王金星，等.離散小波變換和BP神經(jīng)網(wǎng)絡(luò)識(shí)別玉米種子純度[J].農(nóng)業(yè)工程學(xué)報(bào)，2012，28（z2）：253?258.

[6] 熊煥亮，吳滄海.基于BP神經(jīng)網(wǎng)絡(luò)的柑橘始葉螨圖像識(shí)別[J].湖北農(nóng)業(yè)科學(xué)，2013，52（23）：5863?5865.

[7] 劉麗娟，劉仲鵬.基于改進(jìn) BP 算法的玉米葉部病害圖像識(shí)別研究[J].江蘇農(nóng)業(yè)科學(xué)，2013（11）：139?142.

[8] 高嵐，胡亮，羅樂，等.基于BP神經(jīng)網(wǎng)絡(luò)的船舶焊縫缺陷圖像識(shí)別[J].武漢理工大學(xué)學(xué)報(bào)（信息與管理工程版），2012，34（3）：271?274.

[9] 陳錦，羅曉曙.基于小波變換與野草算法的細(xì)胞圖像特征提取與識(shí)別[J].廣西師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2015（2）：22?28.

[10] 趙鵬，曹軍，韋興竹.勻速直線運(yùn)動(dòng)模糊圖像的模糊參數(shù)魯棒識(shí)別[J].光學(xué)精密工程，2013，21（9）：2430?2438.

[11] 徐富新，黃玉秀，王洲，等.基于字符識(shí)別的實(shí)驗(yàn)報(bào)告自動(dòng)打分系統(tǒng)的設(shè)計(jì)[J].計(jì)算機(jī)工程與科學(xué)，2014，36（9）：1754?1759.