《表1 DR通信服务类型：基于工图图像的法兰三维重建方法研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于工图图像的法兰三维重建方法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

实验数据共50组数据其中30组作为训练数据，20组作为测试数据。神经网络在识别法兰盘大圆盘高度训练过程中的均方误差，如图4所示。从图中可以看出均方误差在经过76次迭代后达到设定目标，最佳测试结果其误差约为5.34e-10。BP神经网络的预测值域真实值的比较图，如图5所示。从图中可以看出神经网络的预测结果与真实值基本重合，取得了较好效果其误差十分微小，预测结果与真实值之间的标准差，如图6所示。BP预测结果、真实值与标准差表，如表1所示。同理可以得到其他法兰零件的相关参数，对识别后的参数进行取整其结果，如图7所示，把这一结果导入到Solid Works的零件设计表中据此自动生成法兰零件的三维模，如图8所示。法兰零件的工程图纸扫描图像，如图9所示。