首页|改进SqueezeNet卷积神经网络机械零件表面缺陷检测算法

改进SqueezeNet卷积神经网络机械零件表面缺陷检测算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Research on surface defect detection algorithm of mechanical parts with improved SqueezeNet convolution neural network

郭子宁、黄海龙、高培根

展开 >

辽宁工业大学 机械工程与自动化学院,锦州 121001

SqueezeNet 卷积神经网络 机械零件 缺陷检测

辽宁省教育厅青年科技人才项目辽宁工业大学大学生创新创业训练计划

JQL2019154042020010

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
年,卷(期)：2024.46(2)
  • 15