《表3 不同异物的识别率》

  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X射线和卷积神经网络的异物水饺识别》

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

为检测本实验CNN模型对不同异物的识别效果，分别统计了5种异物在该网络模型下的识别率，如表3所示。根据实验结果和5种异物的特性可以发现，由于金属钢球、铁丝、螺钉的密度大、穿透性差，导致在X射线水饺图像中，呈现出灰度低、颜色暗，与周围物体和背景差异大、对比鲜明，识别率很高，分别为99.97%、99.91%、99.93%；石头的密度和穿透性次之，识别率稍低于金属异物，为99.72%，而透明玻璃密度低、穿透性好，在X射线图像中，呈现出的灰度与水饺灰度相似，易造成混淆，不易识别，识别率为98.85%，低于其他异物；因此本实验算法对于密度大、穿透性差的金属异物和石头具有很好的识别效果，而对密度小、穿透性好的玻璃的识别率稍低。