-
题名基于深度卷积神经网络的产品无损分级检测方法
- 1
-
-
作者
孙雯
张龙青
-
机构
广东科技学院
-
出处
《激光杂志》
北大核心
2025年第2期251-256,共6页
-
基金
广东省普通高校特色创新类项目立项(No.2023KTSCX191)。
-
文摘
为实现自动化生产、优化产品分级,提高生产效率和产品质量控制水平,研究基于深度卷积神经网络的产品无损分级检测方法。依据激光吸收光谱技术原理,设计一种近红外激光吸收光谱采集装置,利用该装置采集待测产品的近红外激光吸收光谱;采用Savitzky-Golay方法对采集到的吸收光谱实施预处理,降低光谱之间的干扰,增强光谱的纯净度与灵敏度;构建包含4层隐含层的深度卷积神经网络模型,将交叉熵作为代价函数,对该网络模型实施反向传播训练,将经过预处理的待测产品近红外激光吸收光谱输入至训练好的深度卷积神经网络模型中,其输出的结果即待测产品的无损分级检测结果。实验表明,该方法可以有效实现产品的无损分级检测,针对不同类型的产品分级识别率可达97%以上,检测耗时最高为1.11 s,其检测效率更高。
-
关键词
近红外激光
吸收光谱
吸光度
图像预处理
深度卷积神经网络
无损分级检测
-
Keywords
near infrared laser
absorption spectrum
absorbance
image preprocessing
deep convolutional neural network
nondestructive classification testing
-
分类号
TN212
[电子电信—物理电子学]
-
