復雜網絡下機械零件三維輕量級識別方法

魯 芬，郁伯銘

（1.武昌工學院智能制造學院，湖北武漢 430000；2.華中科技大學物理學院，湖北武漢 430074）

1 引言

機械制造產業中，通常會遇到形狀相近但大小不同的零件，譬如機械設施上通用標準件內的螺栓、螺母、螺釘、彈簧等。此類零件的二維設計較為成熟，但隨著計算機輔助設計的迅猛發展［1］，零件分析與制造中要構建對應的三維立體模型［2］，使用輕量化設計理念，讓模型自身具備更高的參數效率，控制模型大小的基礎上維持較高的建模精度，給零件參數精細化計算提供有效幫助。為深入了解機械零件生產質量，對輕量級三維模型的識別是十分重要的。文獻［3］使用膠囊網絡的向量神經元儲存特征空間數據特征，減少模型復雜度，運用動態路由算法優化膠囊權重迭代過程，令三維模型擁有較好的旋轉識別能力。但方法計算時沒有考慮模型數據的時間序列，導致輸出結果準確性不高。文獻［4］在交叉熵損失函數中代入特征辨識度指標，采用二分類網絡匹配視圖特征和融合特征，完成三維物體識別。但此方法冗余數據較多，識別效率方面有待改進。復雜網絡是把獨立個體擬作點，點與點之間最短距離擬作邊，點和邊彼此互相連接構成一個網絡。伴隨復雜系統的迅猛發展，復雜網絡分析被大量運用于經濟、社會、軍事等領域，充分考慮機械零件的多樣化構造特征，提出一種復雜網絡下機械零件三維輕量級識別方法。在復雜網絡中創建零件三維模型，提取模型特征線，通過體素化與卷積神經網絡完成模型識別任務，并在仿真實驗中證明了方法的有效性，給機械零件智能化檢測發展帶來新的思路。……