基于卷积神经网络与轮廓提取的连铸坯表面缺陷检测方法

在钢铁连铸坯的生产过程中,难免会产生各种类型的缺陷,严重的缺陷会对下一道轧制工艺产生不良的影响。然而,连铸坯表面图像具有背景纹理复杂、干扰因素多、真伪缺陷难辨等特点,加大了连铸坯缺陷检测的难度。提出了一种基于卷积神经网络与轮廓提取的连铸坯表面缺陷检测方法,该方法首先进行图像裁剪的预处理操作,然后利用图像块数据集对卷积神经网络进行训练,选择出分类准确率高的网络模型,接着结合边缘检测进行轮廓提取来进一步验证缺陷的真伪。实验结果表明,该方法具有较为理想的准确率。

基于开发者平台和深度学习的智能识花与护花系统

提出了智能物联网系统应用在花卉种植场景中的新思路,设计了一个基于开发者平台和深度学习的智能识花与护花系统。当前智能物联网系统的设计难点主要是如何让计算机准确地理解操作对象和具体的应用场景,如何自适应使用多种算法来解决不同类型的问题。针对以上两个设计难点,首先引入基于深度学习的分类模型来识别不同种类的花卉,然后通过移动端APP给用户提供识花服务和花卉养殖方案,最后设计开发者平台用于简化分类模型的训练过程。