首页> 中文期刊> 《组合机床与自动化加工技术》 >改进卷积神经网络在工件表面缺陷检测中的应用

改进卷积神经网络在工件表面缺陷检测中的应用

         

摘要

文章针对传统缺陷检测方法的效率低、易于误检等局限性,结合深度学习算法,提出了一种改进的卷积神经网络(CNN)模型应用于工件表面缺陷检测.在所提出的模型中,将CNN的分类器进行改进,使用AdaBoost构建AdaBoost-SVM级联分类器,其中SVM用作AdaBoost的弱分类器,训练后使得多个弱分类器组合成一个级联强分类器,可以大幅度的提高检测准确率,并进行了实验研究,实验结果表明模型的检测准确率达到97.4%.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号