摘要
针对传统人工检测化纤丝饼表面缺陷方法的不足,提出改进的卷积神经网络对正常以及3种常见缺陷丝饼进行分类识别.首先对采集的丝饼图像进行分块处理,然后利用改进的卷积神经网络进行特征提取,采用全局最大池化层代替全连接层,增强了图像对空间变换的鲁棒性,减少了模型参数,并利用softmax分类器进行分类.最后在网络学习过程中提出主动学习方法,用少量标注样本对网络进行训练,选出对提升网络性能最具价值的样本进行标注并加入到训练样本中进行训练检测.结果表明,该方法可有效实现丝饼的缺陷识别,识别准确率达到97.1％,并有效减少了网络所需的标注样本数量,节省大量的标注成本,具有一定的通用性.
基金项目
中央高校基本科研业务费专项资金项目(18D110316)
中国博士后科学基金(2018M630383)
NETL
NSTL
维普
万方数据