典型文献
应用深度学习方法的汽车轮毂类型识别
文献摘要：
针对汽车轮毂大批量生产中人工分类效率低、错误率高的问题,研究应用机器视觉和深度学习方法对汽车轮毂进行在线识别和分类.根据轮毂的特点对AlexNet进行修改,将Leaky Relu函数作为激活函数,应用批归一化,改变卷积核大小,简化全连接层并增加平均池化,且在全连接层之前加入通道注意力机制模块,使得修改的模型可以更好地进行特征提取.综合试验结果表明,采用修改后的AlexNet模型进行轮毂分类,其测试精确度达到99.80％,训练时间大幅缩短,综合效果优于常用机器视觉分类方法,具有实际应用价值.
文献关键词：
轮毂类型识别;机器视觉;深度学习;AlexNet模型
中图分类号：
作者姓名：
杨祎宁;贺向东;赵庆;刘乘昊;魏鸿磊
作者机构：
大连工业大学机械工程与自动化学院,大连116000
文献出处：
引用格式：
[1]杨祎宁;贺向东;赵庆;刘乘昊;魏鸿磊-.应用深度学习方法的汽车轮毂类型识别)[J].现代制造工程,2022(12):75-82
A类：
轮毂类型识别
B类：
深度学习方法,汽车轮毂,大批量生产,工分,错误率,研究应用,机器视觉,在线识别,AlexNet,Leaky,Relu,激活函数,批归一化,卷积核,全连接层,平均池化,通道注意力机制,注意力机制模块,综合试验,训练时间,综合效果,视觉分类,分类方法
AB值：
0.346656
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。
