典型文献
基于深度学习的汽车手柄字符缺陷检测
文献摘要：
汽车手柄字符常采用人工检测方法进行缺陷检测,当人眼出现视觉疲劳时,会出现误检、漏检的现象.针对检测准确率低的问题,提出一种基于改进LeNet-5的深度学习字符缺陷检测算法.该算法首先对图像进行预处理和字符分割,然后调整分割后的字符大小并进行分类,制作成数据集.再调整LeNet-5网络的输入图像大小,增加输入的特征信息;引入批量归一化操作,提高网络的泛化能力;在反向传播过程中引入Adam优化器,提高参数更新的结果.最后使用改进网络训练模型进行实验.实验结果表明:在迭代2000次的条件下,准确率为98.89％,和LeNet-5卷积神经网络相比准确率得到了提高.
文献关键词：
质量检测;字符缺陷检测;深度学习;卷积神经网络;LeNet-5
中图分类号：
作者姓名：
卢丹;刘红;刘轩;崔阳
作者机构：
长春理工大学 光电工程学院,长春 130022;长春理工大学 电子信息工程学院,长春 130022;长春理工大学 计算机科学技术学院,长春 130022
文献出处：
引用格式：
[1]卢丹;刘红;刘轩;崔阳-.基于深度学习的汽车手柄字符缺陷检测)[J].长春理工大学学报（自然科学版）,2022(06):52-58
A类：
字符缺陷检测
B类：
车手,手柄,人眼,视觉疲劳,漏检,检测准确率,LeNet,习字,检测算法,字符分割,后调,整分,字符大小,特征信息,批量归一化,泛化能力,反向传播,传播过程,Adam,优化器,高参数,参数更新,进网,网络训练,训练模型,质量检测
AB值：
0.38155
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。
