基于集成深度学习的玻璃缺陷识别方法

• 作者: 张丹丹 胡缤予 赵宇帆 金永
• 来源期刊: 计算机测量与控制
• 关键词: 卷积神经网络 玻璃缺陷识别 KSVD算法 稀疏自编码
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 设计与应用
• 页码范围: 216-220
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2019.02.047

摘要

针对玻璃缺陷形态复杂多变,难以准确识别其所属类型的特点,文章提出了一种集成深度学习模型对玻璃缺陷进行识别,该模型本质上是一种稀疏编码分类器与深度卷积神经网络的结合;该模型在自编码器的基础上引进了KL距离和L1范数作为稀疏项,构成新的稀疏自编码器;并在次通过稀疏自编码器学习输入样本特征,将训练好的权值作为卷积神经网络的卷积核从而提高了识别速度;在稀疏编码阶段用L1-L2范数代替L0范数,并在KSVD上添加了判别分类能力使其更好地进行分类运算,以此提高识别准确率;实验结果表明,该方法识别准确率达到了95％,满足了工程上的应用,并有很好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金永	中北大学信息与通信工程学院	61	306	10.0	13.0
2	张丹丹	中北大学信息与通信工程学院	13	47	4.0	5.0
3	胡缤予	中北大学信息与通信工程学院	1	0	0.0	0.0
4	赵宇帆	中北大学信息与通信工程学院	1	0	0.0	0.0