-
题名基于集成迁移学习的铝型材瑕疵识别研究
- 1
-
-
作者
黄清兰
游贵荣
-
机构
福建商学院信息技术中心
福建商学院大数据商务智能福建省高校工程研究中心
-
出处
《西安文理学院学报(自然科学版)》
2023年第2期74-78,共5页
-
基金
福建省自然科学基金资助项目(2020J01320)。
-
文摘
基于CNN的迁移模型用于铝型材表面瑕疵分类识别研究中,未考虑所提取的瑕疵特征图中冗余信息对分类性能的影响.针对该问题,提出了一种基于集成迁移学习的铝型材瑕疵分类方法,首先基于CNN的传统迁移模型自动获取铝型材瑕疵特征,再利用多尺度膨胀卷积对所提取的铝型材瑕疵特征进行稀疏采样,获取多组差异化的瑕疵特征,通过训练生成一组具有差异化的CNN分类器,并将其集成.实验结果证明,该方法相对于传统基于CNN的迁移模型,在铝型材瑕疵分类上,具有更高的分类准确率,性能更优.
-
关键词
铝型材瑕疵识别
多尺度膨胀卷积
卷积神经网络
迁移学习
集成学习
-
Keywords
defect recognition of aluminum profile
multi-scale dilated convolution
convolutional neural network
transfer learning
ensemble learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-