来源:《电子技术应用》2019年第05期 作者:周建凯;许盛之;赵二刚;俞梅;张建军;
选择字号

基于深度学习的电池片缺陷识别研究

分享到: 分享到QQ空间

基于TensorFlow框架搭建卷积神经网络对电池片电致发光图像进行缺陷识别。选取公开的数据集,其中包含了电池片的不同种类缺陷。在传统的VGGNet网络的基础上使用全卷积神经网络进行训练,并分析不同损失函数和dropout概率在数据集上的训练效果。经过实验证明,该算法实现了对电池片是否有缺陷的准确识别。研究还得出压缩网络结构对算法训练速率能有大幅提升,这使得简化的模型更具有可迁移性,为大范围的实时缺陷识别提供了一种有效方案。(本文共计5页)       [继续阅读本文]

下载阅读本文     订阅本刊   
如何获取本文>>          如何获取本刊>> 

相关文章推荐

电子技术应用杂志2019年第05期
电子技术应用
主办:华北计算机系统工程研究所
出版:电子技术应用杂志编辑部
出版周期:月刊
出版地:北京市

本期目录