制造业自动化2024，Vol.46Issue(2) ：121-124.

改进SqueezeNet卷积神经网络机械零件表面缺陷检测算法

Research on surface defect detection algorithm of mechanical parts with improved SqueezeNet convolution neural network

郭子宁 黄海龙 高培根
制造业自动化2024，Vol.46Issue(2) ：121-124.
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

改进SqueezeNet卷积神经网络机械零件表面缺陷检测算法

Research on surface defect detection algorithm of mechanical parts with improved SqueezeNet convolution neural network

郭子宁 1黄海龙 1高培根1
扫码查看

作者信息

  • 1. 辽宁工业大学 机械工程与自动化学院,锦州 121001
  • 折叠

摘要

提出了一种改进的SqueezeNet卷积神经网络算法,可以实现对机械零件表面缺陷准确快速的检测.采用了残差网络架构来增加层与层之间的信息交流,优化了内部卷积通道数,增强了对细节特征的提取能力,搭建了机械零件表面缺陷检测实验平台,验证了算法的准确性和实时性.实验结果表明,改进后的SqueezeNet卷积神经网络算法的准确率为98.91%,检测时间约为3.34ms,相比经典SqueezeNet算法,在检测的准确率和检测速度上都有一定的提高.

关键词

SqueezeNet/卷积神经网络/机械零件/缺陷检测

引用本文复制引用

基金项目

辽宁省教育厅青年科技人才项目(JQL201915404)

辽宁工业大学大学生创新创业训练计划(2020010)

出版年

2024
制造业自动化
北京机械工业自动化研究所

制造业自动化

CSTPCD
影响因子：0.482
ISSN：1009-0134
参考文献量15
段落导航相关论文