-
题名基于脉冲神经网络的钢材表面缺陷识别研究
被引量：2
- 1
-
-
作者
孔玲爽
闵悦
何静
刘建华
张昌凡
黄聪聪
-
机构
湖南工业大学电气与信息工程学院
湖南工业大学轨道交通学院
-
出处
《包装工程》
CAS
北大核心
2022年第15期13-22,共10页
-
基金
国家自然科学基金(52172403,61733004)
湖南省自然科学基金(2021JJ30217,2021JJ50001)
+1 种基金
湖南省教育厅资助项目(19A137,18A267)
湖南省研究生科研创新项目(CX20211081)。
-
文摘
目的针对现有钢材缺陷识别算法特征图利用不充分、识别准确率低、参数量大等问题,基于脉冲神经网络,提出一种用于钢材缺陷识别的稠密卷积脉冲神经网络(DCSNN)模型,减少系统消耗和内存占用。方法首先,采用卷积编码,对输入图片进行特征提取和编码。其次,采用稠密连接算法搭建稠密卷积脉冲神经网络,实现特征重复利用,抑制梯度消失,并通过替代梯度下降算法进行网络训练。最后,在带钢数据集上进行测试,实现带钢缺陷识别。结果实验结果显示,DCSNN在测试集上的准确率为98.61%,参数量为0.5万,结论在钢材表面缺陷识别问题上表现出良好效果。
-
关键词
脉冲神经网络
稠密连接
钢材表面
缺陷识别
替代梯度下降
-
Keywords
spiking neural network
dense connection
steel surface
defect identification
alternative gradient descent
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
