典型文献
基于改进的卷积神经网络陶瓷梭式窑火焰图像分类方法
文献摘要：
陶瓷梭式窑是一种应用于陶瓷生产的间歇式窑炉,其烧结区温度检测方式直接影响到陶瓷产品的生产质量.由于目前陶瓷梭式窑热工检测精度低,所以用火焰图像识别来代替传统热电偶检测从而提高温度检测精度.针对陶瓷梭式窑烧结区火焰图像识别问题,提出了一种基于改进的卷积神经网络火焰图像分类方法.该方法在优化的Inception-ResNet-V2卷积神经网络模块基础上嵌入SE模块,从而提高网络对关键特征的注意力,自适应细化提取特征并提高分类效果.实验结果表明,改进的卷积神经网络能够提高火焰图像分类精度,收敛速度明显加快,且该方法的识别准确率相对于其他的火焰图像分类方法提高1.60％～5.57％,具有良好的分类性能.
文献关键词：
陶瓷梭式窑;卷积神经网络;火焰图像;图像分类
中图分类号：
作者姓名：
朱永红;付瑶;李选亮;王俊祥
作者机构：
景德镇陶瓷大学 机械电子工程学院,江西 景德镇 333403
文献出处：
引用格式：
[1]朱永红;付瑶;李选亮;王俊祥-.基于改进的卷积神经网络陶瓷梭式窑火焰图像分类方法)[J].陶瓷学报,2022(02):302-309
A类：
陶瓷梭式窑
B类：
火焰图像,图像分类,分类方法,陶瓷生产,间歇式,窑炉,烧结,温度检测,检测方式,陶瓷产品,生产质量,热工,检测精度,图像识别,热电偶,Inception,ResNet,V2,卷积神经网络模块,SE,关键特征,提取特征,分类效果,分类精度,收敛速度,识别准确率,分类性能
AB值：
0.258985
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。
