卷积神经网络在无纺布缺陷分类检测中的应用

发布时间：2023-11-05 09:11

　　目的针对传统无纺布缺陷分类检测中人工依赖性强、效率低等问题,提出一种能够满足工厂要求的卷积神经网络分类检测方法。方法首先建立包括脏点、褶皱、断裂、缺纱和无缺陷等5种共计7万张无纺布图像样本库,其次构造一个具有不同神经元个数的卷积层和池化层的神经网络,然后采用反向传播算法逐层更新权值,通过梯度下降法最小化损失函数,最后利用Softmax分类器实现无纺布的缺陷分类检测。结果构建了12层的卷积神经网络,通过2万张样本进行测试实验,无缺陷样本准确率可以达到100%,缺陷样本分类准确率均在95%以上,检测时间在35 ms以内。结论该方法能够满足工业生产线中对于无纺布缺陷实时分类检测的要求。

【文章页数】：5 页

【文章目录】：
1 实验设计
    1.1 实验样本
    1.2 样本集处理
    1.3 卷积神经网络设计
    1.4 卷积神经网络实验
    1.5 对比实验
    1.6 评价指标
2 结果与分析
3 结语



本文编号：3860736