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
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