《表1 Darknet-19卷积神经网络的结构》

  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

《基于机器视觉的碳纤维预浸料表面缺陷检测方法》

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

识别碳纤维预浸料表面图像中的缺陷目标，第1步需要提取图像特征。本文采用Darknet-19卷积神经网络提取图像特征，与牛津大学视觉组（visual geometry group）设计的VGG-16和Google公司设计的GoogleNet等卷积神经网络相比，该网络具有更快的训练速度，且在世界图像识别最大数据库ImageNet数据库上，该网络的top-1准确率达到72.9%，top-5准确率达到91.2%。Darknet-19网络由19个卷积层和5个最大池化层组成。该神经网络使用了较多的3×3卷积核，在每次池化操作后将通道数翻倍，同时使网络全局平均池化，将1×1卷积核置于3×3卷积核之间，用来压缩特征[13]。Darknet-19网络在每个卷积层后均加入一个批量标准化层，可稳定模型训练，加速模型收敛，正则化模型[14]。Darknet-19卷积神经网络的结构如表1所示。将224像素×224像素分辨率的图像输入网络后，经过卷积和池化操作获得图像目标特征，最终输出目标特征图。