Translations- und rotationsinvariante Erkennung von Werkstücken mit Neuronalen Netzwerken

In diesem Artikel werden zwei Verfahren zur translations- und rotationsinvarianten Erkennung von Objekten und zweidimensionalen Bildern mit neuronalen feedforward Netzen vorgestellt: ein Verfahren mit invarianten Momenten und ein neues Verfahren mit neuronalen Netzen zweiter Ordnung. Beide Verfahren wurden mit einem Netzwerksimulator (Stuttgarter Neuronale Netze Simulator, SNNS) realisiert und an drei verschiedenen Anwendungsbeispielen getestet. Es werden jeweils spezielle Merkmalvektoren mit einem einfachen und schnellen Vorverarbeitungsalgorithmus berechnet, die dann von einem zweistufigen neuronalen feedforward Netz klassifiziert werden. Beide Verfahren sind fur die Erkennung beliebiger zweidimensionaler, auch nicht zusammenhangender Objekte oder Bilder geeignet. Sie sind unabhangig von den jeweils zu erkennenden Objekten und auch fur grosere Anwendungen allgemein verwendbar. Im Gegensatz zu vielen in der Literatur beschriebenen Methoden mit neuronalen Netzwerken ermoglichen beide Verfahren problemlos Eingabebilder mit Bildschirmauflosung.