由于打磨過程的復雜性,，其部分參數(shù)無法實時準確檢測，這---了基于模型的方法在工程實現(xiàn)中的應(yīng)用,。越來越多的研究人員正在使用數(shù)據(jù)驅(qū)動的方法來預測材料去除,。

早在2005年，數(shù)據(jù)驅(qū)動方法就被應(yīng)用于預測材料去除,。panda d使用人工前饋神經(jīng)網(wǎng)絡(luò)預測材料去除率.mathew,，j .等人使用人工神經(jīng)網(wǎng)絡(luò)分析材料去除量，并建立參數(shù)優(yōu)化模型.wang等人提出了一種使用神經(jīng)網(wǎng)絡(luò)和遺傳算法的材料去除預-法.為了---打磨工作的全過程檢測,，有---構(gòu)建一個實時監(jiān)控的焊縫間隙預測系統(tǒng),。于是,，david jin hong研究了一種---學習視覺系統(tǒng)

在傳統(tǒng)的---打磨中，由于效率低,、精度低以及對工人健康的損害,，已經(jīng)不能滿足市場需求。市場需要現(xiàn)代---打磨技術(shù)�,，F(xiàn)代打磨技術(shù)利用視覺加工實現(xiàn)---打磨,；然而，市場上的大多數(shù)打磨技術(shù)使用2d視覺,。在打磨系統(tǒng)中,，通常采用2d視覺方法對工件進行打磨，可以方便地獲取和處理與工件有關(guān)的簡單數(shù)據(jù),。但如果形狀復雜,，采集的數(shù)據(jù)就不完整，設(shè)備的遮擋,、精度低,、路徑規(guī)劃都會產(chǎn)生干擾。3d視覺的發(fā)展非常迅速,，一些研究人員已經(jīng)開始研究在鑄造后處理中使用3d視覺,。但是，由于只有---的算法處理才能獲得---的數(shù)據(jù),，因此仍然存在速度慢、精度低的問題,；這些數(shù)據(jù)可用于工件的拋光和---打磨規(guī)劃,。---校準和配準算法是---打磨的---條件。近年來,，為了彌補傳統(tǒng)打磨的不足,，研究者們對智能打磨方法進行了大量的探索。