10.16208/j.issn1000-7024.2018.03.048
多路卷积神经网络的轮胎缺陷图像分类
针对轮胎质量定级中因人工判断缺陷类型导致轮胎质量误判的缺点,提出多对比度卷积神经网络的轮胎缺陷X光图像自动分类算法.为探索高性能的轮胎缺陷分类方法,构造单路CNN网络;利用4种对比度图像处理方法预处理原缺陷图像,对原图像及预处理图像进行扭曲处理,分别作为各单路网络的输入数据;将多个在不同预处理数据库上训练的卷积神经网络组合成一个多对比度卷积神经网络,使该系统对各种噪声具有鲁棒性.实验结果表明,在轮胎缺陷分类任务上,对比度卷积神经网络优于大量传统分类算法及BP卷积神经网络,测试识别率高达98.43%.
卷积神经网络、图像处理、轮胎缺陷、图像分类、图像对比度
39
TP391.413(计算技术、计算机技术)
国家自然科学基金项目61472196;山东省自然科学基金项目ZR2014FL021;青岛应用基础研究基金项目15-9-1-83-JCH
2018-06-01(万方平台首次上网日期,不代表论文的发表时间)
共7页
873-879