基于深度学习的智能电表HPLC通信模块外观划痕检测

摘要：

针对智能电表HPLC通信模块外观划痕检测的问题,提出了一种先进的像素级划痕检测体系结构Res-DU-Net,其特点是采用了深度卷积神经网络技术.首先,Res-DU-Net通过卷积、残差结构、空洞卷积、级联等操作实现了像素级的滑痕检测,形成了U形模型结构.其次,采用Adam算法对智能电表通信模块外观图像进行了训练和验证.最后,Res-DU-Net在学习率为0.001,损失率为0.020的情况下,准确率为0.985,召回率为0.987.实验结果证明,Res-DU-Net在像素级划痕检测方面比传统方法和完全卷积网络(FCN)及U-Net更加有优势.

关键词：HPLC、划痕检测、残差结构、空洞卷积

所属期刊栏目：27

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;山东省技术创新项目

在线出版日期：2022-08-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：66-72