目的針對(duì)傳統(tǒng)無(wú)紡布缺陷分類(lèi)檢測(cè)中人工依賴(lài)性強(qiáng)、效率低等問(wèn)題,提出一種能夠滿(mǎn)足工廠(chǎng)要求的卷積神經(jīng)網(wǎng)絡(luò)分類(lèi)檢測(cè)方法。方法首先建立包括臟點(diǎn)、褶皺、斷裂、缺紗和無(wú)缺陷等5種共計(jì)7萬(wàn)張無(wú)紡布圖像樣本庫(kù),其次構(gòu)造一個(gè)具有不同神經(jīng)元個(gè)數(shù)的卷積層和池化層的神經(jīng)網(wǎng)絡(luò),然后采用反向傳播算法逐層更新權(quán)值,通過(guò)梯度下降法最小化損失函數(shù),最后利用Softmax分類(lèi)器實(shí)現(xiàn)無(wú)紡布的缺陷分類(lèi)檢測(cè)。結(jié)果構(gòu)建了12層的卷積神經(jīng)網(wǎng)絡(luò),通過(guò)2萬(wàn)張樣本進(jìn)行測(cè)試實(shí)驗(yàn),無(wú)缺陷樣本準(zhǔn)確率可以達(dá)到100%,缺陷樣本分類(lèi)準(zhǔn)確率均在95%以上,檢測(cè)時(shí)間在35 ms以?xún)?nèi)。結(jié)論該方法能夠滿(mǎn)足工業(yè)生產(chǎn)線(xiàn)中對(duì)于無(wú)紡布缺陷實(shí)時(shí)分類(lèi)檢測(cè)的要求。

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
1 實(shí)驗(yàn)設(shè)計(jì)
    1.1 實(shí)驗(yàn)樣本
    1.2 樣本集處理
    1.3 卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)
    1.4 卷積神經(jīng)網(wǎng)絡(luò)實(shí)驗(yàn)
    1.5 對(duì)比實(shí)驗(yàn)
    1.6 評(píng)價(jià)指標(biāo)
2 結(jié)果與分析
3 結(jié)語(yǔ)



本文編號(hào)：3860736