科研之友
微信
新浪微博
Facebook
分享链接
摘要
扁钢缺陷的智能监测与诊断对于提高扁钢质量、生产效率和相关的智能制造水平具有重要作用，将深度学习算法应用于机械工程问题具有重要意义。本文在对比了传统CNN网络以及两种基于大规模数据集ImageNet的迁移学习模型（VGG-16、DenseNet 121）的基础上，提出了一种不冻结权重、以DenseNet 121作为骨干网络的模型，并将其应用于扁钢缺陷智能分类中。实验证明，迁移学习模型，尤其是改进后的DenseNet 121模型对扁钢缺陷具有最佳的分类性能。DenseNet 121模型的分类准确率达到95%,ROC AUC得分高达0.99。
- 单位
