现代电子技术

2020, v.43;No.568(17) 47-51

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于卷积神经网络的管道表面缺陷识别研究
Research on pipe surface defect recognition based on convolutional neural network

袁泽辉;郭慧;周邵萍;

摘要(Abstract):

针对传统管道表面缺陷检测方法存在效率低、准确率不高的问题,提出一种通过机器视觉检测管道表面缺陷的方法,在采集管道表面缺陷的图像信息后通过卷积神经网络的算法分类不同的缺陷。通过加入批量归一化层,改进低层和中层卷积核的构造,优化了GoogleNet的构造,提高了卷积神经网络的泛化性和收敛性。试验结果表明,应用卷积神经网络后对管道表面缺陷的识别率较高,显著提高了管道表面缺陷识别的效率和准确率,具有较好的工程意义。

关键词(KeyWords): 缺陷识别;管道表面缺陷;机器视觉;卷积神经网络;缺陷分类;GoogleNet构造优化

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金委员会资助项目(51575185)

作者(Author): 袁泽辉;郭慧;周邵萍;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享