摘要
目前医用胶囊生产过程中的缺陷检测主要由人工完成,费时费力,容易受主观因素的影响。提出一种基于堆叠降噪自动编码器的胶囊表面缺陷检测方法,该方法首先建立深度自动编码器网络,并根据缺陷样本进行降噪训练,获取网络的初始权值;然后通过BP算法进行微调,得到训练样本到无缺陷模板之间的映射关系;最后利用重构图像与缺陷图像之间的对比关系,实现测试样本的缺陷检测。实验表明,堆叠降噪自动编码器较好地建立了上述映射关系,能快速、准确地进行缺陷检测,对噪声具有很强的鲁棒性和稳定性。
At present defects of capsules are detected mainly by manual operation,which is time-consuming and needs high labor costs,besides,it is easily misled by subjective factors.This paper proposed a method of detection of capsules surface defects based on stacked denoising autoencoders（SDAE）.Our method firstly establishes deep autoencoders networks and trains using a denoising criterion according to the defect samples to obtain the initial weights at first.Then,BP algorithm fine-tunes the network parameters to get the mapping relationship between the training sample and defectfree template.Finally,defect detection of the testing samples is finished by comparing the reconstruction image and defect image.Experimental results show that SDAE perfectly establishes the mapping relationship,which is robust and stable to noise,and can quickly detect defects with high accuracy.
出处
《计算机科学》
CSCD
北大核心
2016年第2期64-67,共4页
Computer Science
基金
浙江省自然科学基金(LY14F030009
LZ14F030001)资助
关键词
堆叠降噪自动编码器
缺陷检测
深度学习
Stacked denoising autoencoders
Defect detection
Deep learning
作者简介
王宪保（1977-），男，博士，讲师，CCF会员，主要研究领域为神经网络、模式识别、图像处理等，E-mail：wxb@zjut．edu．cn；
何文秀（1979-），女，博士生，讲师，主要研究领域为人工智能、无线传感网络等；
王辛刚（1974-），男，博士，副教授，主要研究领域为多项式优化理论、并行计算等；
姚明海（1963-），男，博士，教授，博士生导师，主要研究领域为模式识别、智能控制、嵌入式系统和无线传感器网络等；
钱沄涛（1968-），男，博士，教授，博士生导师，主要研究领域为机器学习、模式识别和图像处理。
