基于深度学习和分段线性插值的短切毡缺陷分类

• 作者: 张君扬 景军锋
• 来源期刊: 西安工程大学学报
• 关键词: 短切毡 深度学习 深度时空推理网络 分段线性差值 缺陷分类
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 电子信息
• 页码范围: 553-559
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13338/j.issn.1674-649x.2018.05.011

摘要

针对短切毡在生产过程中存在的缺陷,提出一种基于深度学习和分段线性插值的缺陷分类方法.首先,采用深度时空推理网络(DeSTIN)提取输入图像的特征.然后,利用分段线性插值对提取到的特征创建高维度信息的特征集合,提高原始图像特征的维度,改善原始图像的特征表示.最后,使用Softmax分类器判断高维度特征集合的类别,实现短切毡的缺陷分类.实验结果表明,该方法可以自动、快速地检测出短切毡的多种缺陷类型,准确率可达到95.72％,能够满足工业生产需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	景军锋	西安工程大学电子信息学院	143	578	12.0	16.0
2	张君扬	西安工程大学电子信息学院	3	2	1.0	1.0