典型文献
卷积神经网络金相组织自动识别
文献摘要：
为了降低人工分辨金相组织图像类别的误差率,提高分辨效率,采用卷积神经网络模型对金相组织图像进行自动辨识.对制备金相样块所得铁素体与马氏体两种金相组织图像进行分析,提出符合金相组织图像分布特征的预处理方案.通过采用图像尺寸归一化、灰度值归一化以及高斯平滑处理等方法,对原始金相组织图像进行预处理,建立金相组织图像数据集.针对建立的铁素体和马氏体金相组织图像数据集,提出了适合金相组织图像辨识的改进模型,分别记为LeNet-MetStr模型、AlexNet-MetStr模型和VGGNet-MetStr模型.对3种改进卷积神经网络进行模型训练及分析,结果表明VGGNet-MetStr模型对2种金相组织图像自动辨识具有更高的准确度.
文献关键词：
卷积神经网络;金相组织;图像处理;网络模型;自动辨识;LeNet神经网络;AlexNet神经网络;VGGNet神经网络
中图分类号：
作者姓名：
王佳锐;刘能锋;曲鹏
作者机构：
廊坊燕京职业技术学院机电工程系,河北廊坊065200;哈尔滨工业大学实验与创新实践教育中心,广东深圳518055
文献出处：
引用格式：
[1]王佳锐;刘能锋;曲鹏-.卷积神经网络金相组织自动识别)[J].智能系统学报,2022(04):698-706
A类：
MetStr
B类：
金相组织,自动识别,工分,误差率,卷积神经网络模型,自动辨识,铁素体,马氏体,合金相,预处理方案,图像尺寸,灰度值,高斯平滑,平滑处理,图像数据集,改进模型,别记,记为,LeNet,AlexNet,VGGNet,改进卷积神经网络,模型训练
AB值：
0.243598
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
