典型文献
基于深度学习的钢铁产品表面缺陷分类
文献摘要：
在钢铁产品的生产过程中,难免会产生各种类型的缺陷,及时发现存在缺陷的钢铁产品至关重要.在实际的工业环境中,如何通过相关的手段提高缺陷图像分类准确率以更好地辅助人工筛选的过程是具有挑战性的.实际生产条件下的缺陷特征往往不够明显并且不同缺陷类别间可能存在相似度较大的现象,针对这一问题提出了基于Resnet34网络的多层特征融合方案,将特征进行融合后再经过全连接层进行分类,并将该方案用于缺陷分类系统,有效提升了系统的分类准确率.
文献关键词：
钢铁缺陷;图像分类;Resnet34
中图分类号：
作者姓名：
沈琦;胡玉萍
作者机构：
上海宝信软件股份有限公司,上海 201900
文献出处：
引用格式：
[1]沈琦;胡玉萍-.基于深度学习的钢铁产品表面缺陷分类)[J].宝钢技术,2022(06):62-69
A类：
钢铁缺陷
B类：
表面缺陷,缺陷分类,难免会,各种类型,存在缺陷,工业环境,图像分类,分类准确率,助人,生产条件,缺陷特征,Resnet34,多层特征融合,融合方案,再经,全连接层,层进,分类系统
AB值：
0.43356
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。
