论文摘要
针对于目前二极管玻壳缺陷检测中大多采用人工特征提取,识别准确率不高的问题,提出一种改进的VGG网络的二极管玻壳图像缺陷检测方法。首先对玻壳图像进行预处理,同时利用原始大样本数据集对卷积神经网络结构VGG-19模型进行预训练得到预训练模型,然后通过迁移学习的方法将预训练模型中的部分卷积、池化等层权重参数迁移到改进网络模型的固定层中,非固定层用于模型改进,并将网络的全连接层结构重新进行超参数设置和优化,最后使用预处理后的玻壳图像数据集对改进模型进行训练,得到非固定卷积层和新的全连接层的参数和权重。在二极管玻壳数据集进行测试,实验结果表明,该方法能有效提高二极管玻壳图像分类识别准确率,达到了98.3%。
论文目录
文章来源
类型: 期刊论文
作者: 杜超,刘桂华
关键词: 玻壳缺陷检测,模型,迁移学习,图像分类,准确率
来源: 图学学报 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 计算机软件及计算机应用
单位: 西南科技大学信息工程学院
基金: 国家自然科学基金项目(11602292)
分类号: TP391.41
页码: 1087-1092
总页数: 6
文件大小: 2211K
下载量: 157