基于深度学习的电池片缺陷识别研究

摘要：

基于TensorFlow框架搭建卷积神经网络对电池片电致发光图像进行缺陷识别.选取公开的数据集,其中包含了电池片的不同种类缺陷.在传统的VGGNet网络的基础上使用全卷积神经网络进行训练,并分析不同损失函数和dropout概率在数据集上的训练效果.经过实验证明,该算法实现了对电池片是否有缺陷的准确识别.研究还得出压缩网络结构对算法训练速率能有大幅提升,这使得简化的模型更具有可迁移性,为大范围的实时缺陷识别提供了一种有效方案.

关键词：电致发光、图像识别、TensorFlow、卷积神经网络

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

在线出版日期：2019-05-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：66-69,77