[发明专利]一种颤振纹理的检测方法及其装置

权利要求书

1.一种颤振纹理的检测方法，其特征在于，所述方法包括：

采集薄壁件的铣削纹理图像，所述铣削纹理图像包括正常切削图像和铣削颤振图像；

将所述铣削纹理图像进行预处理，并随机将预处理后的所述铣削纹理图像划分为训练集和测试集；所述训练集和所述测试集成预设比例；

对所述训练集和所述测试集进行向量化、数据降维以及归一化处理；

根据所述训练集和所述测试集建立神经网络模型，所述神经网络模型包括初始化参数、实现前向和后向传播的损失函数和成本函数及其梯度、运行梯度下降算法来优化参数、预测以及分类辨别；

初始化所述神经网络模型的权重、偏差、学习率和迭代步数参数，并构建阈值函数；

前向传播计算当前的损失函数和成本函数，并进行后向传播进行其梯度；

通过所述梯度下降算法计算权重和偏差；

将所述权重和所述偏差输入所述训练集，进行分类辨别，并输出颤振纹理的识别准确率。

2.根据权利要求1所述的方法，其特征在于，所述铣削纹理图像预处理包括重置尺寸、卷积滤波和图像梯度提取；

所述预设比例为3∶2，即所述训练集与所述测试集的比值为3∶2。

3.根据权利要求2所述的方法，其特征在于，所述重置尺寸是将所述铣削纹理图像的宽X高，设置为400px X 150px大小；

所述的卷积滤波，设置8邻域的卷积核，并输入所述铣削纹理图像与所述卷积核进行图像卷积运算；

所述图像梯度提取，通过拉普拉斯算子对依次对所述铣削纹理图像像素进行梯度提取。

4.根据权利要求1所述的方法，其特征在于，对所述训练集和所述测试集进行向量化、数据降维以及归一化处理，具体包括：

将预处理后的所述铣削纹理图像转换成的向量序列，图像数据从三维矩阵降至一维向量；所述归一化是将向量数据集的每一行均除以像素通道最大值。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：以进行预测，其中是预测标签值，w为权重，T为转置符号，b为偏差，x⁽ⁱ⁾为第i张图像的像素向量；

σ为阈值激活函数，其表达式为z⁽ⁱ⁾为第i输入值。

6.根据权利要求1所述的方法，其特征在于，初始化所述神经网络模型的权重、偏差、学习率和迭代步数参数，具体为：

权重n_x为图像的维度；偏差b＝0；α＝0.005，α为学习率；δ＝2000，δ为迭代步数。

7.根据权利要求1所述的方法，其特征在于，所述损失函数为

Y⁽ⁱ⁾为第i个实际标签值，为第i个预测标签值，是损失函数的修正项；

所述成本函数为m为输入图像的数量，λ为正则系数，取0.2，正则项为

所述梯度分为权重梯度和偏差梯度，依次为

8.根据权利要求1所述的方法，其特征在于，所述通过所述梯度下降算法计算权重和偏差，具体为：

权重偏差

9.根据权利要求1所述的方法，其特征在于，所述方法还包括：

由预测分类器进行分类辨别，所述预测分类器为其中是预测标签值，w为权重，T为转置符号，b为偏差，x⁽ⁱ⁾为第i张图像的像素向量；

若预测输出的激活值大于或者等于预定的阈值μ，输出对应标签为1；若预测输出的激活值小于阈值，则输出对应标签为0；

根据输出的标签信息，辨别出正常切削和颤振纹理。

10.一种颤振纹理的检测装置，其特征在于，所述装置包括采集单元、处理单元以及输出单元；其中，

所述采集单元，采集薄壁件的铣削纹理图像，所述铣削纹理图像包括正常切削图像和铣削颤振图像；

所述处理单元，将所述铣削纹理图像进行预处理，并随机将预处理后的所述铣削纹理图像划分为训练集和测试集；所述训练集和所述测试集成预设比例；对所述训练集和所述测试集进行向量化、数据降维以及归一化处理；建立神经网络模型，所述神经网络模型包括初始化参数、实现前向和后向传播的损失函数和成本函数及其梯度、运行梯度下降算法来优化参数、预测以及分类辨别；初始化所述神经网络模型的权重、偏差、学习率和迭代步数参数，并构建阈值函数；前向传播计算当前的损失函数和成本函数，并进行后向传播进行其梯度；通过所述梯度下降算法计算权重和偏差；

所述处理单元，将所述权重和所述偏差输入所述训练集，进行分类辨别，并通过所述输出单元输出颤振纹理的识别准确率。