典型文献
基于深度学习的电池陶瓷复合材料成分检测
文献摘要：
使用传统方法进行电池等电子材料检测时,往往由于检测时间较长,和受到温湿度等条件的限制,造成检测的精准度较低的问题.为提高检测的精准度,提出一种利用深度学习中的卷积神经网络算法进行电池电子陶瓷复合材料成分检测方法.首先,收集电子陶瓷复合材料无损区域的近红外图像并对图像进行预处理;其次,进行图像特征的提取,提取出不同材料成分的主要特征;再次,将图像特征输入卷积神经网络的特征层;最后应用卷积神经网络算法对图像特征进行训练和深度学习,最终分析出稳定的电子陶瓷复合材料的成分.并且通过实验结果的对比分析,验证该方法对于提高复合材料成分的检测精准度的有效性,并且可以缩短检测时间.
文献关键词：
深度学习;神经网络;电池陶瓷;成分检测;精准度
中图分类号：
作者姓名：
王春媚;李云梅
作者机构：
天津轻工职业技术学院 科研处,天津 300350
文献出处：
引用格式：
[1]王春媚;李云梅-.基于深度学习的电池陶瓷复合材料成分检测)[J].科技创新与应用,2022(27):93-96
A类：
B类：
电池陶瓷,陶瓷复合材料,材料成分,成分检测,电子材料,材料检测,检测时间,温湿度,高检,神经网络算法,电子陶瓷,集电,近红外图像,图像特征,特征的提取,不同材料
AB值：
0.225832
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。
