《表3 实验正交表：基于ResNet网络的医用塑瓶制造缺陷检测方法》

  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

《基于ResNet网络的医用塑瓶制造缺陷检测方法》

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

从表2可知，在不同层中，不同层数对检测漏检率与误检率有较大的影响，本文最终选择网络为4层、每层网络由2个残差块组成的SE-ResNet18。为找到网络的最好的参数，本文设计正交实验，验证不同参数对积料缺陷检测精度的影响。并且与SE-ResNet34、ResNet18、ResNet34、MobileNetV2[23]网络的最佳性能进行比较，因num＿workers等对网络性能的影响较小，本文正交实验采用的因素是超参数学习率（Learning-Rate）、一次输入图片的数量（Batch＿Size）、总的迭代次数（Epochs），设计的正交表如表3所示。