8月19日上午9时，材料科学与工程学院“管板焊接机器人三维定位”暑假科技创新社会实践团队又一次来到兴隆山校区材料学院焊接实验室，继续实验项目。
今天我们的主要任务是查阅文献及相关资料，了解基于人工神经网络的标定的理论概念以及其对标定的影响。
目前无论是通过基本的三角法还是通过高级的投影透视原理，其基本的理论基础都是小孔成像。但是在实际应用中，检测系统模型与小孔成像模型只是一种近似关系，尤其在远离光轴的情况下，偏离度更大。除此之外，视觉检测系统中相机的光学系统会存在机身误差，相机中的感光元器件在制备工艺上也存在一定的尺寸偏差，这些都会影响检测系统的准确度。所以标定的准确度对于实际应用中工件加工的精度和质量有重大的影响。
为了弥补数学建模方法在某些方面的不足，基于人工神经网络的标定方法能够有效提高标定的精确度，同时能够简化标定的操作，因此逐渐获得广泛的应用。
Back Propagation(BP)神经网络具备多层前馈特性和优越的非线性映射，能适应许多特殊条件下的视觉标定。
BP 神经网络是目前人工神经网络中应用最多的模型之一，其结构超过 3 层以上，主要包含：输入/出层、隐含层，其学习过程主要包含：正向传播和逆向传播。
正向传播：在逆向传播之前，首先将样本的信息通过输入层输入，在隐含层中进行计算，最终在输出层输出计算结果及其误差，如果误差超出了预设的规格，那么自动启动反向传播阶段；逆向传播：如果所得到的计算结果的误差超过了规格值，则报警并进行逆向传播，将误差往前反馈，修正神经网络中的各层神经元的阀值和权值参数。然后以修正后的参数重新走正向传播算法阶段，如此循环直至输出结果在规格之内，结束循环。
在学长和老师的悉心指导下，我们充分的了解了基于人工神经网络的标定方法，为下一次的实践活动打下了基础。经过如此充实的一天，我们都感到受益匪浅。
http://www.dxsbao.com/news/137524.html 点此复制本页地址
