为了满足客户对产品的多样化需求,在模块划分过程中从产品的定制化需求、产品功能、产品结构和绿色度等多视角考虑,提出了一种多视角的特征关联模块划分方法。首先,分析客户的多样化需求,研究关于模块划分的各视角特征信息并建立其相应的特征模型与关联矩阵。其次,利用层次分析法分析不同视角在设计过程中所占有的重要程度,依据不同视角的重要程度进行特征的关联。然后建立综合特征关联矩阵,采用遗传算法进行求解。最后,以冲击电钻为实例,建立其相应的产品模型且应用遗传算法对其进行模块划分,验证所提多视角特征关联模块划分方法的有效性。

针对工业场景下高频工件多视角识别精度低的问题,提出一种深度度量学习的高频工件图像检索方法。首先搭建基于卷积神经网络的图像特征向量编码模型,采用差异性损失(Different Loss)提取工件图像的私有特征和公共特征,通过相似度损失(Similarity Loss)融合多视角图像的公共特征获得初级嵌入向量;然后利用三元组中心损失(Triplet-Center Loss)以减小类内距离和增大类间距离为准则监督嵌入向量的学习,获得鲁棒性强的嵌入向量;最后以该嵌入向量表示高频工件图像的特征编码,实现多视角高频工件的图像检索。实验结果表明,提出的方法比单视角特征编码具有更强的表征能力,其检索准确率提高了8.95%;在相同网络结构下,提出的模型比其他网络模型的检索准确率高出9.68%。