《表1 识别缺陷的个数：基于集成深度学习的玻璃缺陷识别方法》

  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

《基于集成深度学习的玻璃缺陷识别方法》

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

我们在自己创建的数据库上评估提出的玻璃缺陷识别方法，并将其性能与最近提出的几种算法进行比较，包括softmax，SVM，kmeans和KSVD。在实验中所有算法使用的参数全部相同，学习词典大小是全连接层输出的大小，稀疏度先设为T=6。识别结果表明本文算法在缺陷的识别中除了疥瘤缺陷外的每一类识别率均在90%以上，这可能由于疥瘤样本数据量较少，没有大范围的涵盖所有缺陷类型所致。但相比其他方法也具有明显的提高。识别结果如表1所示。