本文主要研究内容
作者胡嘉成,王向阳,刘晗（2019）在《基于深度学习的连铸坯表面缺陷检测》一文中研究指出：采用提取图像的纹理、几何特征并利用支持向量机(support vector machine, SVM)进行检测和识别的方法,对宝山钢铁现有的连铸坯表面裂纹、凹陷、夹杂物、气孔、划痕等缺陷进行分析,缺陷检测准确率为83%.提出一种基于卷积神经网络(convolutional neural network,CNN)的方法进行缺陷检测.该方法对裂纹缺陷的检测准确率为93%,对其他缺陷(由于凹陷、夹杂物、气孔、划痕等缺陷数据较少,这些缺陷归为一类)的检测准确率为88%.实验结果表明,采用深度学习的方法能够有效检测、识别出具有缺陷的连铸坯,检测准确率较高.
Abstract
cai yong di qu tu xiang de wen li 、ji he te zheng bing li yong zhi chi xiang liang ji (support vector machine, SVM)jin hang jian ce he shi bie de fang fa ,dui bao shan gang tie xian you de lian zhu pi biao mian lie wen 、ao xian 、ga za wu 、qi kong 、hua hen deng que xian jin hang fen xi ,que xian jian ce zhun que lv wei 83%.di chu yi chong ji yu juan ji shen jing wang lao (convolutional neural network,CNN)de fang fa jin hang que xian jian ce .gai fang fa dui lie wen que xian de jian ce zhun que lv wei 93%,dui ji ta que xian (you yu ao xian 、ga za wu 、qi kong 、hua hen deng que xian shu ju jiao shao ,zhe xie que xian gui wei yi lei )de jian ce zhun que lv wei 88%.shi yan jie guo biao ming ,cai yong shen du xue xi de fang fa neng gou you xiao jian ce 、shi bie chu ju you que xian de lian zhu pi ,jian ce zhun que lv jiao gao .
论文参考文献
论文详细介绍
论文作者分别是来自上海大学学报(自然科学版)的胡嘉成,王向阳,刘晗，发表于刊物上海大学学报(自然科学版)2019年04期论文，是一篇关于缺陷检测论文,支持向量机论文,深度学习论文,上海大学学报(自然科学版)2019年04期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自上海大学学报(自然科学版)2019年04期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。