[发明专利]一种基于人工神经网络的自动识别打磨方法

权利要求书

1.一种基于人工神经网络的自动识别打磨方法，应用于数控打磨机器人，其特征在于，包括以下步骤：

S1，在坩埚表面标出打磨区域和次数；

S2，采集坩埚表面的图像信息；

S3，读取图像信息并进行处理；

S4，提取打磨区域和次数在图像中的位置信息；

S5，设定机器人打磨的起始三维坐标(X,Y,Z),规划打磨路径；

S6，提取数字特征向量，利用BP人工神经网络进行数字识别，所述BP人工神经网络由输入层、隐含层、输出层构成；BP算法训练人工神经网络过程具体步骤如下：

(1)对输入0～9样本数字的特征值进行归一化，确定学习效率θ，精度α或者学习次数n；

(2)计算隐含层和输出层的输出值；

(3)计算人工神经网络输出层权值修改量和隐含层权值修改量；

(4)修改输出层权值矩阵和隐含层权值矩阵；

(5)判断是否达到精度α要求或者是否达到学习次数n要求，满足则结束并且将隐含层权值矩阵和输出层权值矩阵保存到计算机系统中，系统开始识别数字时即可从电脑中读取隐含层权值矩阵和输出层权值矩阵使用，不满足则返回步骤(2)；

S7，将打磨路径信息和打磨次数传送到机器人控制系统，机器人开始打磨。

2.根据权利要求1所述的基于人工神经网络的自动识别打磨方法，其特征在于：所述步骤S3中处理过程包括对图像进行噪声滤波、进行灰度化、建立灰度直方图、设定像素阈值、二值化处理、进行区域分割。

3.根据权利要求1所述的基于人工神经网络的自动识别打磨方法，其特征在于：所述步骤S6中提取数字特征向量程序为：将数字0～9数字图像样本规范化到32*32像素的图片，按2*2分切成16*16共256个子区域，然后统计这4个像素中黑色像素的个数，组成256维的特征矢量。

4.根据权利要求1所述的基于人工神经网络的自动识别打磨方法，其特征在于：所述步骤S6中BP算法的基本思想的学习过程包括信号的正向传播与误差的反向传播。

5.根据权利要求4所述的基于人工神经网络的自动识别打磨方法，其特征在于：所述信号的正向传播为归一化特征值样本输入到输入层→隐含层→输出层。

6.根据权利要求4所述的基于人工神经网络的自动识别打磨方法，其特征在于：所述误差的方向传播为输出误差→隐含层→输入层。

7.根据权利要求1所述的基于人工神经网络的自动识别打磨方法，其特征在于：所述步骤S7中计算机与机器人控制系统通过局域网连接。