《表5 不同数据集对积料检测的结果》

  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

考虑生产过程中缺陷产品的数量较少，本文验证不同训练数据集对实验中的SE-ResNet18网络的检测精度的影响，数据集对SE-ResNet18网络的平均检测精度的影响见表5。其中好代表无缺陷图片，坏代表有积料缺陷图片。实验数据表明，随着数据集的减少，积料缺陷的平均检测精度从99.7%减少到95.8%，检测时间基本不变；在图片为2650幅时其平均检测精度下降到99.2%，漏检率为0.0%，误检率为1.4%，满足工业现场中的漏检率低于5%、误检率低于2%的检测要求。