基于卷积神经网络的铁谱磨粒智能识别研究

论文摘要

针对传统的计算机磨粒识别方法对相似度高的严重滑动磨粒和疲劳磨粒存在识别过程复杂、识别准确率低等问题,提出利用卷积神经网络（Convolution Neural Network,CNN）自动提取铁谱磨粒图像的特征,再将提取到的特征传入全局平均池化层和新的全连接层进行训练分类的铁谱磨粒智能识别方法。试验显示,基于卷积神经网络模型Inception-v3+1FCL和迁移学习方法可以有效地对严重滑动磨粒和疲劳磨粒进行分类识别,准确率高达89. 35%。

论文目录

• 1 卷积神经网络
•   1.1 网络结构
•   1.2 Inception-v3
•   1.3 训练方法
•     1.3.1 数据集
•     1.3.2 模型设计
• 2 结果分析
• 3 结语

文章来源

类型: 期刊论文

作者: 安超,魏海军,刘竑,武燊,朱月萍

关键词: 卷积神经网络,迁移学习,磨粒识别

来源: 现代制造工程 2019年07期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 金属学及金属工艺,自动化技术

单位: 上海海事大学商船学院,上海理工大学光电信息与计算机工程学院

基金: 上海市科委自然科学基金项目(17ZR1412700)

分类号: TG73;TP183

DOI: 10.16731/j.cnki.1671-3133.2019.07.018

页码: 111-114

总页数: 4

文件大小: 346K

下载量: 138