基于深度学习算法的带钢表面缺陷识别

• 作者: 王立中 管声启
• 来源期刊: 西安工程大学学报
• 关键词: 带钢表面 深度学习 分类准确性 缺陷识别
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 机电工程
• 页码范围: 669-674
• 页数: 6页
• 分类号: TH83
• 语种: 中文
• DOI: 10.13338/j.issn.1674-649x.2017.05.012

摘要

为了解决带钢表面缺陷识别过程中的特征不能自动准确提取的问题,给出了基于深度学习算法的带钢表面缺陷识别的新方法.本文在分析深度学习基本理论的基础上,建立了带钢表面识别的基础模型;然后,通过训练样本图像获取基础模型参数.该模型通过多隐层逐层抽取图像特征,从而自动获取目标的本质特征,进而进行识别分类;最后,通过实验验证本文算法的有效性.实验结果表明,本文带钢表面缺陷识别的准确率能达到98%以上,满足了带钢识别的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	管声启	西安工程大学机电工程学院	67	250	8.0	11.0
2	王立中	西安工程大学机电工程学院	4	17	2.0	4.0