基于卷积神经网络的磁瓦表面缺陷识别

• 作者: 祝礼佳 刘桂华 林杰
• 来源期刊: 制造业自动化
• 学科: 工学
• 关键词: 缺陷识别 双线性模型 Leaky ReLU激活函数 Adam算法 NASNet
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 检测与监控
• 页码范围: 48-53
• 页数: 6页
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.3969/j.issn.1009-0134.2022.03.011

摘要

针对现有的磁瓦表面缺陷识别算法准确率低且泛化能力不足的问题,提出一种基于卷积神经网络的磁瓦表面缺陷识别算法.该算法在轻量级NASNet卷积神经网络的基础上,引入双线性模型增强网络的特征表达力,提高算法识别精度.其次,为了减少模型参数量与计算量,改进NASNet模型结构进行特征降维.同时采用Adam算法作为网络的优化算法,提高训练过程的平稳性和收敛速度;选择Leaky ReLU函数作为网络的激活函数,提高模型的鲁棒性.考虑小样本磁瓦数据集,引入Dropout、样本增强、迁移学习技术防止网络过拟合,提高网络模型的泛化能力.实验结果表明,该算法实现了小样本多类别磁瓦表面缺陷的高精度识别,平均识别精度达到98.8％,与轻量级NASNet相比平均识别率提升约2.49％.