基于深度学习的电池片缺陷识别研究

论文摘要

基于TensorFlow框架搭建卷积神经网络对电池片电致发光图像进行缺陷识别。选取公开的数据集,其中包含了电池片的不同种类缺陷。在传统的VGGNet网络的基础上使用全卷积神经网络进行训练,并分析不同损失函数和dropout概率在数据集上的训练效果。经过实验证明,该算法实现了对电池片是否有缺陷的准确识别。研究还得出压缩网络结构对算法训练速率能有大幅提升,这使得简化的模型更具有可迁移性,为大范围的实时缺陷识别提供了一种有效方案。

论文目录

• 0 引言
• 1 实验数据及预处理
• 2 基于VGGNet的缺陷识别分类网络
• 3 实验及其分析
•   3.1 网络训练方法
•   3.2 不同损失函数下的识别准确率
•   3.3 不同Dropout概率下的识别准确率
•   3.4 不同网络结构的识别效果分析
• 4 结论

文章来源

类型: 期刊论文

作者: 周建凯,许盛之,赵二刚,俞梅,张建军

关键词: 电致发光,图像识别,卷积神经网络

来源: 电子技术应用 2019年05期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 电力工业,计算机软件及计算机应用,自动化技术

单位: 南开大学电子科学与工程系光电子薄膜器件与技术天津市重点实验室

分类号: TP391.41;TP183;TM914.4

DOI: 10.16157/j.issn.0258-7998.190053

页码: 66-69+77

总页数: 5

文件大小: 324K

下载量: 222