幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

基於深度學習的裝配監測

  • 作者：陳成軍|責編:裴育//朱英彪
  • 出版社：科學
  • ISBN：9787030795243
  • 出版日期：2024/12/01
  • 裝幀：平裝
  • 頁數：176
人民幣：RMB 98 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以深度學習技術在機械產品裝配過程監測中的應用為主線，分別從裝配動作識別、機械裝配體多視角變化檢測與位姿估計、RV減速器裝配監測與深度學習網路模型部署等方面開展研究，建立了數據集，改進或提出了深度學習模型，對深度學習模型進行了訓練，並與已有的方法進行了對比。全書共7章，主要內容包括人工智慧技術基礎，基於深度學習的裝配動作識別，基於深度學習的機械裝配體多視角變化檢測與位姿估計，基於Transformer的機械裝配體多視角變化檢測和裝配順序監測，以及基於深度學習的RV減速器裝配監測與部署，最後總結本書內容並進行展望。
    本書可作為機械工程、電腦科學與技術等專業碩士生和高年級本科生的教材，也可供從事視覺監測研究和應用的人員參考。
作者介紹
陳成軍|責編:裴育//朱英彪
目錄
前言
第1章  緒論
  1.1  裝配監測的意義
  1.2  裝配監測的研究現狀
    1.2.1  裝配監測
    1.2.2  動作識別
    1.2.3  圖像變化檢測
    1.2.4  位姿估計
    1.2.5  深度學習網路模型部署
  1.3  本書主要內容
第2章  卷積神經網路與Transformer模型理論基礎
  2.1  卷積神經網路
    2.1.1  卷積神經網路基本結構
    2.1.2  卷積神經網路主要模塊
    2.1.3  卷積神經網路訓練過程
  2.2  Transformer模型
  2.3  深度學習網路框架及部署工具
    2.3.1  深度學習網路框架
    2.3.2  部署工具
  2.4  本章小結
第3章  基於深度學習的裝配動作識別
  3.1  基於表面肌電信號和慣性信號的裝配動作識別方法
    3.1.1  裝配動作識別流程
    3.1.2  信號採集
    3.1.3  信號預處理
    3.1.4  基於通道注意力時空特徵的卷積神經網路
    3.1.5  實驗環境參數設置及評價指標
    3.1.6  模型實驗驗證
  3.2  基於注意力機制和多尺度特徵融合動態圖卷積網路的裝配動作識別方法
    3.2.1  基於注意力機制和多尺度特徵融合的動態圖卷積網路
    3.2.2  數據集的製作
    3.2.3  實驗結果與分析
  3.3  基於視頻幀運動激勵聚合和時序差分網路的裝配動作識別方法
    3.3.1  運動激勵聚合和時序差分網路
    3.3.2  數據集的製作
    3.3.3  實驗結果與分析
  3.4  本章小結
第4章  基於深度學習的機械裝配體多視角變化檢測與位姿估計
  4.1  基於深度圖像注意力機制特徵提取的機械裝配體多視角變化檢測方法
    4.1.1  基於深度圖像注意力機制特徵提取的多視角變化檢測網路
    4.1.2  數據集的製作
    4.1.3  實驗環境與指標選取
    4.1.4  實驗結果與分析
  4.2  基於三維注意力和雙邊濾波的機械裝配體多視角變化檢測方法
    4.2.1  基於三維注意力和雙邊濾波的變化檢測網路
    4.2.2  數據集的製作
    4.2.3  實驗環境和指標選取
    4.2.4  實驗結果與分析
  4.3  基於深度學習的機械裝配體零件多視角位姿估計方法
    4.3.1  機械裝配體零件多視角位姿估計網路

    4.3.2  DenseFusion位姿估計網路
    4.3.3  數據集的製作
    4.3.4  實驗環境與指標選取
    4.3.5  實驗結果與分析
  4.4  本章小結
第5章  基於Transformer的機械裝配體多視角變化檢測與裝配順序監測
  5.1  基於深度可分離卷積的特徵融合和特徵細化的機械裝配體多視角變化檢測方法
    5.1.1  基於深度可分離卷積的特徵融合和特徵細化的多視角變化檢測網路
    5.1.2  數據集的製作
    5.1.3  實驗環境與指標選取
    5.1.4  實驗結果和分析
  5.2  基於機械裝配體圖像多視角語義變化檢測的裝配順序監測方法
    5.2.1  裝配順序監測方法
    5.2.2  數據集的製作
    5.2.3  實驗環境與指標選取
    5.2.4  實驗對比的其他變化檢測網路
    5.2.5  實驗結果與分析
  5.3  本章小結
第6章  基於深度學習的RV減速器裝配監測與部署
  6.1  RV減速器裝配圖像採集試驗台及數據集製作
    6.1.1  RV減速器裝配圖像採集試驗台
    6.1.2  RV減速器裝配語義分割數據集
    6.1.3  RV減速器螺釘目標檢測數據集
    6.1.4  RV減速器針齒目標檢測數據集
  6.2  基於深度學習的RV減速器裝配監測方法
    6.2.1  語義分割網路模型選擇
    6.2.2  語義分割網路模型訓練
    6.2.3  目標檢測網路模型選擇
    6.2.4  目標檢測網路模型訓練
  6.3  基於目標檢測的針齒安裝監測方法
    6.3.1  改進RetinaNet目標檢測網路模型
    6.3.2  改進RetinaNet模型與YOLOv5s模型對比
  6.4  RV減速器裝配監測軟體設計
    6.4.1  圖像採集模塊
    6.4.2  圖像預測模塊
    6.4.3  零件監測模塊
    6.4.4  界面操作模塊
    6.4.5  RV減速器零件漏裝監測實驗
    6.4.6  RV減速器針齒安裝監測實驗
  6.5  本章小結
第7章  總結與展望
  7.1  本書總結
  7.2  研究展望
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032