基于深度学习的铝厂工业自动浇筑中的图像识别

• 作者: 易佳明 胡小龙
• 来源期刊: 湖北大学学报（自然科学版）
• 学科: 工学
• 关键词: 工业生产 图像识别 深度学习 小波变换
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 计算机与信息工程
• 页码范围: 320-324
• 页数: 5页
• 分类号: TP131.4
• 字数: 3519字
• 语种: 中文

摘要

将深度学习的图像识别应用到工业生产中是一个重要的应用方向.相比传统图像处理,深度学习在图像识别中具有高识别率、抗干扰性强等特点.首先采用小波变换对图像去噪、归一化,然后利用多层卷积对图像进行特征提取并采用全连接层和softmax分类器进行分类实现图像识别.在铝厂工业自动浇注过程中,对已经浇注完成和未完成的图像进行识别、解决传统图像处理在工业生产中多干扰、亮度不足的情况下难以识别的问题.实验结果表明,采用小波变换与深度学习融合对图像进行识别的识别率可达到91.88％,基本能满足铝厂工业生产的需要.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡小龙	中南大学计算机学院	46	337	11.0	16.0
2	易佳明	中南大学计算机学院	1	0	0.0	0.0