文章编号：1002-2082(2024)02-0365-08多联融合优化模板匹配的纱纸管分类方法毕俊波，李国平，李猛，刘海宁（济南大学机械工程学院，山东济南250024）摘要：圆锥纱纸管的自动分类识别一直是该部件智能制造方面的技术难题，针对传统图像分类方法无法兼顾速度与精度，以及深度学习成本大、部署难、硬件要求高等问题，提出了一种基于多联融合优化模板匹配的纱纸管分类方法。采用多个改进算法及策略并使用三次数据降维加快模板匹配速度。将用于运动估计的优化算法SEA(successiveeliminationalgorithm)用于模板匹配中，并把该算法的阈值改进为自适应阈值，用于加强算法鲁棒性；采用小波金字塔进行数据降维，减少运算量并提高运算速度；最后采用十字灰度特征模板代替传统SAD(sumofabsolutedifferences)算法及其模板计算性能指标，并采用提前停止迭代搜索的策略进一步滤除数据，设置累计误差阈值来提前停止搜索。匹配实验表明，本文的改进算法保证了精度，并且匹配速度达到了0.126s左右；对比、消融实验表明，本文算法在保证了精度的前提下，速度比传统SAD算法提升了近11倍，相比于一些其他经典的方法在速度上也均有提升，证明了该方法的有效性。关键词：模板匹配；圆锥纱纸管；目标分类检测；算法融合改进中图分类号：TN911.73;TP391.4文献标志码：ADOI：10.5768/JAO202445.0202003Yarnpapertubeclassificationmethodwithmulti-linkedfusionoptimizedtemplatematchingBIJunbo，LIGuoping，LIMeng，LIUHaining（SchoolofMechanical,UniversityofJinan,Jinan250024,China）Abstract：Theautomaticclassificationandrecognitionofconicalyarnpapertubeshasbeenahottopicintheintelligentmanufacturingofthiscomponent.Ayarnpapertubeclassificationmethodbasedonmultiplefusionoptimizedtemplatematchingwasproposedtoaddresstheproblemsthattraditionalimageclassificationmethodscouldnotbalancespeedandaccuracy,aswellashighcostofdeeplearning,difficultdeployment,andhighhardwarerequirements.Severalimprovedalgorithmsandstrategieswereadoptedandthreetimesdatadimensionalityreductionwasusedtoacceleratethetemplatematchingspeed.First,theoptimizationalgorithm,successiveeliminationalgorithm(SEA)usedformotionestimationwasusedintemplatematching,andthethresholdofthisalgorithmwasimprovedtoadaptivethresholdforenhancingtherobustness...
