10.3969/j.issn.1000-2375.2020.03.015
基于深度学习的铝厂工业自动浇筑中的图像识别
将深度学习的图像识别应用到工业生产中是一个重要的应用方向.相比传统图像处理,深度学习在图像识别中具有高识别率、抗干扰性强等特点.首先采用小波变换对图像去噪、归一化,然后利用多层卷积对图像进行特征提取并采用全连接层和softmax分类器进行分类实现图像识别.在铝厂工业自动浇注过程中,对已经浇注完成和未完成的图像进行识别、解决传统图像处理在工业生产中多干扰、亮度不足的情况下难以识别的问题.实验结果表明,采用小波变换与深度学习融合对图像进行识别的识别率可达到91.88%,基本能满足铝厂工业生产的需要.
工业生产、图像识别、深度学习、小波变换
42
TP131.4(自动化基础理论)
2020-06-04(万方平台首次上网日期,不代表论文的发表时间)
共5页
320-324