《表3 检测时间对比:基于神经网络的磁瓦表面缺陷检测识别》
由图15可知,相对于其他两种算法,本文算法对各种缺陷均具有较高的分类精度,均达到92%以上,而且将无缺陷误检为缺陷的概率很小,仅为3.9%,反映本文算法对每个缺陷具有较高的分类精度。对单个磁瓦的检测时间对比如表3所示,由于传统算法检测过程中计算量较小,导致本文算法的检测时间相对于文献[18]较长,但满足工业要求。
图表编号 | XD0052155100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.20 |
作者 | 刘畅、张剑、林建平 |
绘制单位 | 同济大学机械与能源工程学院、同济大学机械与能源工程学院、同济大学机械与能源工程学院 |
更多格式 | 高清、无水印(增值服务) |