-
题名基于多尺度卷积神经网络的手机表面缺陷识别方法
被引量：1
- 1
-
-
作者
韩红桂
甄晓玲
李方昱
杜永萍
-
机构
北京工业大学信息学部
计算智能与智能系统北京市重点实验室
数字社区教育部工程研究中心
-
出处
《北京工业大学学报》
CAS
CSCD
北大核心
2023年第11期1150-1158,共9页
-
基金
国家重点研发计划资助项目(2018YFC1900800-05)
国家自然科学基金资助项目(62125301,61890930-5,61903010,62021003)
北京市卓越青年科学家计划资助项目(BJJWZYJH01201910005020)。
-
文摘
针对手机表面缺陷难以精确识别的问题,提出一种兼具Soble算子、逻辑损失函数(logistic loss function,LLF)和多尺度卷积神经网络(multi-scale convolutional neural networks,MSCNN)手机表面缺陷识别方法SL-MSCNN。首先,构建了一种基于Sobel算子的邻域特征增强方法,排除了图像中光照、阴影等无关因素的干扰;其次,设计了一种基于MSCNN的缺陷识别方法,通过获得手机表面图像的多尺度信息,提高了手机表面缺陷的识别精度,同时,引入了LLF,通过降低梯度消失发生的概率加快训练的检测速度。实验结果表明:与其他手机表面缺陷识别方法相比,SL-MSCNN在准确率和效率方面具有更好的使用价值。
-
关键词
手机表面缺陷
邻域特征增强
识别方法
识别精度
SOBEL算子
多尺度卷积神经网络(multi-scale
convolutional
neural
networks
MSCNN)
逻辑损失函数(logistic
loss
function
LLF)
-
Keywords
mobile phone surface defects
neighborhood feature enhancement
recognition methods
recognition accuracy
Sobel operator
multi-scale convolutional neural networks(MSCNN)
logistic loss function(LLF)
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
