基于CNN和OpenCV相结合的汽车制造安装线束识别系统

兴 刘(一汽-大众汽车有限公司佛山分公司，中国)
进 钱(一汽-大众汽车有限公司佛山分公司，中国)

摘要

如今，图像识别分类是目前人工智能研究方向的重要领域，也逐步在汽车制造过程中开始普及开来。针对汽车生产过程中线束安装过程是否存在错漏装和安装是否到位的问题，提出了基于卷积神经网络和OpenCV的汽车线束安装的图像分类系统。通过python、OpenCV、CNN、UVC实现安装后的线束识别，实现对安装后的汽车底盘线束到位与否进行识别，从而避免安装不正确、不到位后产生的质量问题，提高整体生产效率。

关键词

OpenCV；CNN；图像识别；树莓派；python

参考

徐冰冰,岑科廷,黄俊杰,等.图卷积神经网络综述[J].计算机学报,2020,43(5):755-780.

张美平,吴德平,王灿杰,等.基于树莓派的智能家居设计与实现[J].计算机系统应用,2019,28(8):109-114.

李立宗.OpenCV轻松入门面向python[M].北京:电子工业出版社,2019.

田佳鹭,邓立国.基于改进VGG16的猴子图像分类方法[J].信息技术与网络安全,2020,39(5):6-11.

常亮,邓小明,周明全,等.图像理解中的卷积神经网络[J].自动化学报,2016,42(9):1300-1312.

DOI: http://dx.doi.org/10.12345/gcjsygl.v5i17.8324