典型文献
基于MobileNet卷积神经网络的焊缝缺陷识别
文献摘要：
针对焊缝X射线图像缺陷识别传统方法的计算量大与准确度差的问题,提出了基于MobileNet的识别方法.首先对样本图像进行预处理和数量上的增强;然后引入MobileNet结构以解决传统深度卷积神经网络中对计算资源要求高的问题,引入残差结构与ELU激活函数以解决原始MobileNet网络中出现的退化问题与权重偏置更新失效的问题,在训练时应用迁移学习方法,解决小数据集容易过拟合与训练效率低的问题;最后,针对相同数据集,与改进前的网络、AlexNet网络和VGG-16网络进行对比,表明该文方法具备更优的识别准确率和相比传统网络拥有更小的计算量,相比传统网络的缺陷识别方法拥有更大的应用范围.
文献关键词：
缺陷识别;卷积神经网络;深度学习;MobileNet
中图分类号：
作者姓名：
陈艳菲;彭洪晟;王俊涛;王洪伟
作者机构：
武汉工程大学电气信息学院,武汉430073;核动力运行研究所,武汉430223
文献出处：
引用格式：
[1]陈艳菲;彭洪晟;王俊涛;王洪伟-.基于MobileNet卷积神经网络的焊缝缺陷识别)[J].自动化与仪表,2022(01):49-54
A类：
B类：
MobileNet,焊缝缺陷,缺陷识别,对焊,别传,计算量,深度卷积神经网络,计算资源,残差结构,ELU,激活函数,偏置,应用迁移,迁移学习方法,小数据,过拟合,训练效率,进前,AlexNet,VGG,识别准确率
AB值：
0.37967
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。
