基于深度学习和分段线性插值的短切毡缺陷分类

针对短切毡在生产过程中存在的缺陷,提出一种基于深度学习和分段线性插值的缺陷分类方法.首先,采用深度时空推理网络(DeSTIN)提取输入图像的特征.然后,利用分段线性插值对提取到的特征创建高维度信息的特征集合,提高原始图像特征的维度,改善原始图像的特征表示.最后,使用Softmax分类器判断高维度特征集合的类别,实现短切毡的缺陷分类.实验结果表明,该方法可以自动、快速地检测出短切毡的多种缺陷类型,准确率可达到95.72%,能够满足工业生产需求.

On the Solutions of xn＋1=f（xn）/xn-1Where fis Piecewise Linear

Our goal in this paper is to examine the long-term behavior of solutions of the following difference equation xn＋1=f（xn）/xn-1 wherefis piecewise linear, and the initial values x-1 and xoare non-zero real numbers. We examine the boundedness, periodicity, and the existence of oscillatory solutions.