基于CA-ResNet50的轮胎激光散斑图的分类研究

针对轮胎激光散斑图识别精度低的问题,本文提出了一种新的轮胎激光散斑图分类网络(CA-ResNet50)。首先选用ResNet50为基础的残差网络,改变传统ResNet50网络模型中的残差块结构,最大程度发挥批标准化的作用;再引入轻量级的卷积注意力模块,增强网络模型对轮胎缺陷的特征提取能力;然后,用LeakyRelu激活函数代替Relu激活函数,解决神经元的“失活”问题;最后,对训练数据集进行扩展,以克服训练中数据量不足和网络模型拟合过度的问题。将本文中提出的CA-ResNet50与当前常用的分类网络模型在相同的数据集上进行对比,实验结果证明本文所提网络模型对轮胎激光散斑图的测试精度高于其他网络,识别精度可达到99.7%。