基于卷积神经网络的短切毡缺陷分类
基于卷积神经网络,提出了短切毡缺陷分类的方法.通过旋转、平移和翻转对数据集进行扩充,解决了小数据样本在深度卷积神经网络中的过拟合问题;利用迁移学习的思想加速网络收敛,提高了网络的泛化能力;对比了不同网络结构并选择较好的网络进行数据集验证.结果 表明,所提方法能够实现短切毡缺陷的有效分类,准确率为93%.
图像处理、卷积神经网络、缺陷分类、泛化能力、短切毡
56
TP391.4(计算技术、计算机技术)
国家自然科学基金;陕西省重点研发计划;陕西省高校科协青年人才托举计划项目;教育厅科学研究项目
2019-07-08(万方平台首次上网日期,不代表论文的发表时间)
共8页
136-143