摘要
基于深度神经网络(Deep Neural Network,DNN)的深度学习(Deep Learning,DL)在图像识别、语音识别和文本分析等领域取得了巨大成功.但是深度学习在工业领域的应用遇到训练样本数量不够和训练算力不足的困难.将深度神经网络的迁移学习(Transfer Learning)应用到工业产品表面质量检测,解决了深度学习样本和算力不足的问题,其准确率达到了99.8％,超过了传统机器学习算法和没有迁移学习的卷积神经网络(Convolutional Neural Network,CNN).构造的深度神经网络分为两部分:前面为已经训练好的深度神经网络GoogLeNet,后面部分为识别表面缺陷专用层,训练的时候只需要训练后面部分.
基金项目
一种基于磁场谐波调制的永磁传动器的机理研究(2018CFC810)
NETL
NSTL
维普
万方数据