典型文献
基于改进MobileNetV2网络的涂层表面缺陷识别方法
文献摘要：
针对涂层表面缺陷检测工业化应用过程中对识别准确率和速度的需求,本文在MobileNetV2网络的基础上提出一种涂层表面缺陷识别方法.设计了递进式分类器,通过逐层筛选压缩有用特征实现高精度的快速识别操作,并在骨干中加入跨局部连接结构,以丰富网络中的基础特征并增加特征尺度信息.将交叉验证和迁移学习相结合以优化训练方法,在大幅度缩减训练耗时的同时使网络具有更优的初始状态和更快的性能提升率.结果表明:本文方法在采集的涂层表面缺陷数据集上准确率达到了99.48％,速度和精确度分别提升11.74％、8.38％,参数量降低20.89％,训练时间缩短36.77％,与其他分类网络相比,在综合考虑准确率和速度的情况下具有最佳表现.本文方法同时具有较高的识别准确率、较快的识别速度和较短的训练耗时,符合实际工业应用需求.
文献关键词：
涂层表面缺陷;缺陷检测;深度学习;MobileNetV2网络;分类器结构;跨局部连接;迁移学习;交叉验证
中图分类号：
作者姓名：
陈宗阳;赵辉;吕永胜;沙建军;沙香港
作者机构：
哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨 150001;哈尔滨工程大学智能科学与工程学院,黑龙江哈尔滨150001
文献出处：
引用格式：
[1]陈宗阳;赵辉;吕永胜;沙建军;沙香港-.基于改进MobileNetV2网络的涂层表面缺陷识别方法)[J].哈尔滨工程大学学报,2022(04):572-579
A类：
跨局部连接
B类：
MobileNetV2,涂层表面缺陷,缺陷识别,表面缺陷检测,工业化应用,识别准确率,递进式,逐层,征实,快速识别,连接结构,加特,特征尺度,尺度信息,交叉验证,迁移学习,训练方法,初始状态,性能提升,提升率,缺陷数据,参数量,训练时间,分类网络,符合实际,工业应用,应用需求,分类器结构
AB值：
0.325321
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。
