基于深度学习的体育用皮革缺陷识别技术

摘要：

针对体育用皮革缺陷的识别精度问题,本文提出一种基于多层全连接神经网络的体育用皮革缺陷识别模型,通过调整神经网络的层数与单元数,提高模型识别性能.训练结果表明,当在隐层层数为2且隐层单元数为20时,基于迭代次数在30 000次得到的权值和偏置,所构建神经网络模型拟合最好,识别准确率为99％,识别性能较高.采用训练好的模型对测试集中的图像样本进行分类识别,模型对4个类别样本的平均识别精确度达到了 99.41％,相较于SVM、ResNet和Faster_RCNN等主流皮革分类方法提高了 11.26％、5.14％和2.2％,识别精度较高,且识别时间在仅花费0.094 7 s,远远低于皮革缺陷检测与识别要求的2.627 s,具有较高的实用价值,值得进一步推广.

关键词：全连接神经网络、缺陷识别、体育用皮革、图像识别、分类预测

所属期刊栏目：52

分类号：TS53(皮革工业)

资助基金：陕西职业教育乡村振兴研究院22YB004

在线出版日期：2023-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：37-41,46