典型文献
基于CaffeNet的工业瓶口缺陷检测
文献摘要：
在陶瓷药瓶生产过程中,容易出现瓶口破碎或不完整等情况.为解决陶瓷瓶口的缺陷检测问题,本文提出了一种基于卷积神经网络CaffeNet模型的陶瓷瓶口分类方法.该方法利用工业生产的瓶口残次品和正品建立样本数据集,利用卷积神经网络的卷积层和池化层对残次品、正品的图像特征进行提取,通过求得最小的交叉熵损失来获取适配本样本数据集的最佳权重,已达到较好的分类效果.此外,在给定相同数量测试数据集的情况下,使用CPU、GTX 1060 Mobile、GTX Titan X Pascal和华为Atlas200DK对给定数据集进行分类所需要的功耗进行对比.实验结果表明,在使用相同的权重文件的情况下,对一定数量的测试数据集进行分类,华为Atlas200DK在达到97％以上准确率的同时,所需时间与GTX Titan X Pascal持平,功耗达到最低,可为工业化检测药瓶缺口提供一种高效的、低能耗的方案.
文献关键词：
深度学习;瓶口检测;低功耗
中图分类号：
作者姓名：
张良;张卫华;周激流
作者机构：
四川大学电子信息学院,成都 610065;四川大学计算机学院,成都 610065
文献出处：
引用格式：
[1]张良;张卫华;周激流-.基于CaffeNet的工业瓶口缺陷检测)[J].现代计算机,2022(01):101-105,120
A类：
CaffeNet,Atlas200DK,瓶口检测
B类：
瓶口缺陷检测,药瓶,瓷瓶,检测问题,分类方法,法利,残次品,正品,样本数据集,卷积层,池化,图像特征,交叉熵损失,分类效果,测试数据,CPU,GTX,Mobile,Titan,Pascal,华为,重文,持平,低能耗,低功耗
AB值：
0.271199
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。
