基于改进的Inception金属板材表面质量缺陷检测
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3969/j.issn.1672-9722.2022.07.036

基于改进的Inception金属板材表面质量缺陷检测

引用
金属板材表面质量在工程中起着至关重要的作用,针对传统检测设备对于板材表面质量的检测精度低,边缘部分侧边以及凹凸部分检测困难的问题.论文采用了一种典型的深度学习网络模型Inception为主,将另一种卷积神经网络模型ResNet中的残差结构,与SEnet中的SE结构相结合,将激活函数Relu替换为效果更好的Leaky Relu函数.该网络模型参数量减少,准确率达到了98.7%,比传统的Inception准确率提高了10.2%,可以更好地对金属板材表面质量缺陷进行识别.

深度学习、卷积神经网络、表面质量检测、Inception、ResNet

50

TP183(自动化基础理论)

国家重点研发计划;国家自然科学基金;山西重大专项课题项目;山西省专利推广项目

2022-09-01(万方平台首次上网日期,不代表论文的发表时间)

共5页

1593-1597

相关文献
评论
暂无封面信息
查看本期封面目录

计算机与数字工程

1672-9722

42-1372/TP

50

2022,50(7)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn