基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
电子线路上产生的缺陷由于形状不规则、边缘模糊等特点,传统图像算法难以达到高精度的检测要求.本文提出基于深度学习的卷积神经网络对电路缺陷进行识别检测.首先利用直方图均衡化对输入的图像预处理,增强对比度和清晰度,然后在8层的卷积神经网络结构上对图像进行特征提取,最后通过softmax分类器实现对图像特征的识别和分类.在实际采集的电子线路图像数据集上实验表明,本文算法具有较高的准确率,能有效识别各类电子线路缺陷.
推荐文章
基于卷积神经网络的未知协议识别方法
深度学习
机器学习
卷积神经网络
未知协议识别
基于卷积神经网络的交通声音事件识别方法
Gammatone滤波器
卷积神经网络
音频事件识别
公路交通环境
声音数字信号
子带滤波
基于代价敏感卷积神经网络的人脸年龄识别方法
卷积神经网路
人脸年龄识别
误分类代价
代价敏感性
期望类最大原则
基于卷积神经网络的管道表面缺陷识别研究
缺陷识别
管道表面缺陷
机器视觉
卷积神经网络
缺陷分类
GoogleNet构造优化
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于卷积神经网络的电路缺陷识别方法
来源期刊 福建电脑 学科
关键词 缺陷检测 神经网络 深度学习
年,卷(期) 2018,(2) 所属期刊栏目 基金项目论文
研究方向 页码范围 9-11
页数 3页 分类号
字数 2633字 语种 中文
DOI 10.16707/j.cnki.fjpc.2018.02.004
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈松岩 厦门大学物理科学与技术学院 68 248 8.0 12.0
2 肖可 厦门大学物理科学与技术学院 6 9 2.0 2.0
3 何俊杰 厦门大学物理科学与技术学院 6 9 2.0 2.0
4 刘畅 厦门大学物理科学与技术学院 15 25 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (17)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(3)
  • 参考文献(2)
  • 二级参考文献(1)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
缺陷检测
神经网络
深度学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
福建电脑
月刊
1673-2782
35-1115/TP
大16开
福州市华林邮局29号信箱
1985
chi
出版文献量(篇)
21147
总下载数(次)
86
总被引数(次)
44699
论文1v1指导