《表2 杆件截面尺寸:基于深度学习的磁瓦表面孔洞和裂纹缺陷识别》
分类卷积神经网络训练中损失函数和准确率与迭代轮数变化的曲线,如图8所示。经40轮训练,验证集准确率达96%,单张图片分类时间约为0.38 s。为验证分类模型的性能,对缺陷图像提取“缺陷圆度”、“缺陷矩形度”、“缺陷1至7阶不变矩”、“灰度均值”、“灰度方差”共计11维特征[16],用径向基核函数(RBF)的支持向量机和结构为11-15-2的BP神经网络对提取的特征数据进行分类。,测试结果,如表2所示。
图表编号 | XD00183223500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.25 |
作者 | 文喆皓、周敏 |
绘制单位 | 武汉科技大学机械自动化学院、武汉科技大学机械自动化学院 |
更多格式 | 高清、无水印(增值服务) |