深度学习在硅钢钢片缺陷识别中的应用

• 作者: 赵轶
• 来源期刊: 数字技术与应用
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 缺陷识别
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 应用研究
• 页码范围: 32-34
• 页数: 3页
• 分类号: TP391.41
• 字数: 2422字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-9416.2017.12.019

摘要

硅钢钢片作为发电机、电动机等电力设备的重要原材料之一,其生产质量的好坏严重影响到电力设备的质量.因此,十分有必要对硅钢钢片进行精确的缺陷识别.传统的方法基于人工肉眼观测,效率低下且误检率高.为此,本文将深度学习技术引入该领域,设计了一种基于卷积神经网络的缺陷识别模型.利用该模型对硅钢钢片缺陷图像进行识别分类,不仅实现了自动缺陷检测,节省人力,而且准确识别率达到了95.27％,高效地完成了预期目标.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵轶	东华大学信息科学与技术学院	2	3	1.0	1.0