基于卷积神经网络的轮胎X射线图像缺陷检测

论文摘要

为解决常用轮胎X射线图像缺陷检测方法难以获取准确的图像特征的问题,提出一种通过卷积神经网络获取图像特征的方法。对轮胎X射线图像进行数据增强,然后建立网络模型。训练算法获取图像缺陷特征,并用训练好的模型识别图像中的缺陷。首先将参数对应的神经元分为关键和非关键部分,然后采用局部关键点和动态学习率实现参数快速调节。试验结果表明,设计的网络模型不易过拟合,参数调节快,所需时间短,检测准确率高。

论文目录

• 1 轮胎X射线图像识别基础理论
•   1.1 图像识别技术基础
•   1.2 轮胎X射线图像的分割
• 2 轮胎X射线图像信息提取
•   2.1 图像处理基本原理
•   2.2 卷积神经网络优化
•   2.3 图像识别的验证与实现
• 3 缺陷分析检测
•   3.1 迭代学习
•   3.2 算法检测性能对比
•   3.3 轮胎缺陷检测
• 4 结论

文章来源

类型: 期刊论文

作者: 卞国龙,李勇,戚顺青,王艳举,于胜红,宋美芹

关键词: 轮胎,图像分割,深度学习,卷积神经网络,缺陷检测

来源: 轮胎工业 2019年04期

年度: 2019

分类: 工程科技Ⅰ辑,信息科技

专业: 有机化工,计算机软件及计算机应用,自动化技术

单位: 青岛双星轮胎工业有限公司

分类号: TP391.41;TP183;TQ336.1

页码: 247-251

总页数: 5

文件大小: 1577K

下载量: 211