一种基于深度学习的金属断口图像识别的方法

作者：刘君; 梁同

来源：2020-07-21, 中国, CN202010706268.2.

本发明公开了一种基于深度学习的金属断口图像识别的方法,该方法包括以下步骤：第一步：将金属断口图像数据按70％、20％、10％的比例随机划分为训练集、测试集、验证集；第二步：采用数据增强技术对训练集进行数据扩充；第三步：采用迁移学习技术对卷积神经网络VGGNet16中卷积层和池化层的参数进行初始化,并在此基础上卷积神经网络VGGNet16进行训练和优化,直到VGGNet16网络收敛。本发明的方法可以实现特征的自动提取,省略传统机器学习算法中人工特征提取和选择的步骤；同时在模型训练过程中,模型自动的特征提取方式可以使得模型自动提取更容易识别对象的特征,从而获得最好的图像识别精度。

• 单位
  南昌航空大学