《表3 实验结果对比：应用深度卷积的涂布缺陷检测方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《应用深度卷积的涂布缺陷检测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

%

经过逐层的特征提取及优化，最终缺陷识别模型的训练得到的实验结果如图7所示，图7（a）表示Alex Net原始训练结果曲线图，图7（b）表示优化后训练结果曲线图，由实验结果可以看出:得到平均验证准确率为92%以上，相比较原始训练结果提升24.8%以上，能达到大量准确的识别出缺陷类别要求。随机选取数据集中测试样本中的五类缺陷，每类缺陷选取200张，测试涂布缺陷识别准确率情况，表3给出了原始Alex Net模型和本文提出并改进的缺陷识别模型在缺陷识别中的结果对比。实验结果表明，本文建立的卷积神经网络模型在涂布缺陷识别上取得了较好的效果，较原始Alex Net模型有很大提升，虽然有识别错误的类别，在对识别错误样本进行数据分析得知，在识别过程中即便是被错误识别的缺陷类别，也是及其相近的缺陷种类，比如竖线与刮痕，这些被识别错误的缺陷形状有时及其相似。