基于CNN的深层次特征提取纸病辨识方法研究

• 作者: 周强 王伟刚 高乐乐
• 来源期刊: 中国造纸学报
• 学科: 工学
• 关键词: 纸病检测 难点纸病 卷积神经网络 深层次特征 分类器
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 研究论文
• 页码范围: 52-58
• 页数: 7页
• 分类号: TS77|TP391
• 字数: 4819字
• 语种: 中文
• DOI: 10.11981/j.issn.1000-6842.2019.04.52

摘要

针对当前纸病检测方法中纸病特征量难分离以及难点纸病特征量难构建的瓶颈问题,提出基于卷积神经网络(CNN)的纸病辨识方法.该方法根据纸病图像的特点设计了纸病检测的CNN结构,在此基础上利用CNN自动提取纸病图像的深层次特征,结合Softmax实现对纸病的辨识.实验结果表明,基于CNN的深层次特征提取纸病辨识方法优于现有的纸病检测方法,能够对包括难点纸病在内的各种纸病进行精确辨识.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周强	陕西科技大学电气与控制工程学院	78	324	10.0	14.0
2	高乐乐	陕西科技大学电气与控制工程学院	5	1	1.0	1.0
3	王伟刚	陕西科技大学电气与控制工程学院	3	11	2.0	3.0