-
题名基于集成深度学习的玻璃缺陷识别方法
被引量:4
- 1
-
-
作者
张丹丹
金永
胡缤予
赵宇帆
-
机构
中北大学信息与通信工程学院
-
出处
《计算机测量与控制》
2019年第2期216-220,共5页
-
基金
山西省回国留学人员科研资助项目(2016-084)
-
文摘
针对玻璃缺陷形态复杂多变,难以准确识别其所属类型的特点,文章提出了一种集成深度学习模型对玻璃缺陷进行识别,该模型本质上是一种稀疏编码分类器与深度卷积神经网络的结合;该模型在自编码器的基础上引进了KL距离和L_1范数作为稀疏项,构成新的稀疏自编码器;并在次通过稀疏自编码器学习输入样本特征,将训练好的权值作为卷积神经网络的卷积核从而提高了识别速度;在稀疏编码阶段用L_1-L_2范数代替L_0范数,并在KSVD上添加了判别分类能力使其更好地进行分类运算,以此提高识别准确率;实验结果表明,该方法识别准确率达到了95%,满足了工程上的应用,并有很好的鲁棒性。
-
关键词
卷积神经网络
玻璃缺陷识别
KSVD算法
稀疏自编码
-
Keywords
convolutional neural network
glass defect recognition
KSVD algorithm
sparse auto-encoder
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-