论文部分内容阅读
为了提高工件识别速度，根据实际待识别零件特征将零件分成两大类（旋转类、拉伸类），并预留了两类可识别零件，由训练速度快、结构简单、识别准确率高的RBF神经网络来实现模式识别，并根据零件图像特征选取了面积比、平滑度、三阶矩、一致性、熵等5个特征为训练样本作为神经网络的输入，实例证明这种方法切实可行，且其训练速度快，识别准确率高。