深度信念网络在故障指示器检测中的应用

• 作者: 余萍 李倩 赵继生 阳武 高强
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 深度信念网络 产品检测 故障指示器 分类实验 正确识别率
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: 应用技术
• 页码范围: 155-157
• 页数: 3页
• 分类号: TM93
• 字数: 2624字
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2015)07-0155-03

摘要

电子产品在生产过程中需进行产品检测,以故障指示器的检测为例,结合深度信念网络(DBN)技术实现了自动检测.深度信念网络由于其具有无监督预训练的优势,将其应用于实际系统,对现场的故障指示器视频图像的动作状态进行了分类实验.实验结果表明:深度信念网络分类算法相比于支持向量机(SVM)分类算法和BP分类算法有明显的优势,正确识别率达到了100％.该算法在产品检验的应用中满足生产测试的要求,且降低了人工测试的劳动强度,缓解了视觉疲劳问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阳武	华北电力大学电气与电子工程学院	11	86	5.0	9.0
2	高强	华北电力大学电气与电子工程学院	89	895	16.0	25.0
3	李倩	华北电力大学电气与电子工程学院	23	142	7.0	11.0
4	余萍	华北电力大学电气与电子工程学院	51	305	10.0	14.0
5	赵继生	华北电力大学电气与电子工程学院	4	30	3.0	4.0