基于迁移学习的机械制图智能评阅方法

针对机械图样几何特征种类多、线条线型易混淆、人工制图风格多样导致校对效率低、误检、漏检等问题，提出基于迁移学习的机械制图智能评阅方法. 对机械图样进行预处理，采用改进的阀值迭代算法去除背景、噪点和干扰，完成图样图像的分割，提取机械图样的特征投影图像. 通过训练源领域图片的特征提取器，将特征提取器的网络权值迁移到机械图样评阅模型中，完成相似领域的知识迁移. 训练逻辑回归分类器，建立基于神经网络权重参数自适应的智能评阅模型，对几何特征、投影特征、图线、剖面符号等机械图样的制图标准要素进行识别. 实验结果表明，所提出的机械制图智能评阅方法具有较高的错误识别率和鲁棒性能，单个测试样本平均评阅时间为0.95 s，机械图样的平均评阅正确率为98.82%；与人工评阅相比，所提方法能够在提高评阅效率的同时具有较高准确率.