基于多特征图像增强深度卷积神经网络的航天用电子元器件分类算法

• 作者: 张文亮 张玉强 李威 蔡立明 高永发
• 来源期刊: 导航与控制
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 电路板板载元器件 图像空间变换
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 信息与人工智能
• 页码范围: 112-119
• 页数: 8页
• 分类号: TP181
• 字数: 3910字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-5558.2020.02.016

摘要

为了实现航天用电子元器件的全自动及非接触识别,并减少由照明系统造成的图像亮度不均、偏色等问题对检测结果的影响,通过结合局部、区域和总体三个层次特征提升物体检测精度,提出了一种基于多特征图像增强深度卷积神经网络(MFIE-DCNN)的航天用电子元器件分类算法.MFIE-DCNN算法包含多特征学习和深度学习,其学习过程类似于人类视觉系统,能够对形状、方向和颜色特征进行深度挖掘,突出元器件边界信息,抑制背景杂波干扰.实验结果表明,该算法能够区分电路板板载元器件的种类,检测准确度优于传统算法.对比基于稀疏自动编码器的深度神经网络,检测结果提高了近20％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李威		2	2	1.0	1.0
2	张文亮		2	2	1.0	1.0
3	蔡立明		3	2	1.0	1.0
7	高永发		1	0	0.0	0.0
8	张玉强		1	0	0.0	0.0