| 基于深度学习网络模型与大数据自动训练的工件缺陷识别算法研究 | |
| 黄寅 | |
| 2020-03-15 | |
| 发表期刊 | 齐齐哈尔大学学报(自然科学版)
 |
| ISSN | 1007-984X |
| 卷号 | 36期号:02页码:21-24+39 |
| 摘要 | 针对工件缺陷种类多样和特征不明显,造成机器视觉识别精度不稳定的问题,提出了一种基于深度学习网络模型与大数据自动训练的工件缺陷识别算法,并以软件工程来实现其功能。首先,对存在缺陷的工件进行取样,采集缺陷图像,建立识别标准。然后,基于深度神经网络模型和缺陷标准图像,进行模型训练,采取分批训练,逐步迭代收敛的方式,达到准确识别工件缺陷目的。最后,基于Python语言与TensorFlow框架实现深度神经网络模型,并将模型移植到C++平台调用,嵌入到商业版本软件中,实现算法的落地应用。实验测试结果显示,相对于已有的缺陷识别技术而言,本文算法具有更高的识别准确性,可为机器视觉软硬件设备提供技术基础。 |
| 关键词 | 深度学习网络模型 自动训练 Python TensorFlow 工件缺陷 |
| URL | 查看原文 |
| 语种 | 中文 |
| 原始文献类型 | 学术期刊 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.library.ouchn.edu.cn/handle/39V7QQFX/50594 |
| 专题 | 国家开放大学安徽分部 |
| 作者单位 | 安徽广播电视大学滁州分校 |
| 第一作者单位 | 国家开放大学安徽分部 |
| 第一作者的第一单位 | 国家开放大学安徽分部 |
| 推荐引用方式 GB/T 7714 | 黄寅. 基于深度学习网络模型与大数据自动训练的工件缺陷识别算法研究[J]. 齐齐哈尔大学学报(自然科学版),2020,36(02):21-24+39. |
| APA | 黄寅.(2020).基于深度学习网络模型与大数据自动训练的工件缺陷识别算法研究.齐齐哈尔大学学报(自然科学版),36(02),21-24+39. |
| MLA | 黄寅."基于深度学习网络模型与大数据自动训练的工件缺陷识别算法研究".齐齐哈尔大学学报(自然科学版) 36.02(2020):21-24+39. |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 查看访问统计 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [黄寅]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [黄寅]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [黄寅]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
| 相关推荐 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论