华南理工大学学报(自然科学版)

作者：姚锡凡, 蓝宏宇, 陶韬, 等

单位：华南理工大学 机械与汽车工程学院，广东 广州 510640

关键词：深度学习,工件识别,云计算,雾计算

基金：国家自然科学基金资助项目( 51675186，51765007) ; 国家自然科学基金委员会与英国爱丁堡皇家学会合作交流项目( 51911530245) ; 华南理工大学中央高校基本科研业务费资助项目( D2181830)

统工业自动分拣存在工件识别准确率不高、特征定义复杂等问题，虽然新兴的深度学习为此类问题提供了较好的解决方法，但仍存在对边缘端设备计算能力要求较高的问题，为此本文提出一种基于云雾结合的工件识别算法，即在云端采用改进 ALEXNET 卷积神经网络进行训练，然后将训练好的模型下载到雾( 边缘) 端设备，对工件进行实时识别． 对 100 个不同工件进行实验，结果表明: 改进后识别准确率从 ALEXNET 的 98% 提高到 99% ，模型参数减少 25% ，同时可以充分利用云端的强大计算能力与边缘设备的实时性，为智能工件识别提供了一种新途径．

来源：2019年第12期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2019年第12期