科研之友
微信
新浪微博
Facebook
分享链接
摘要
在对磁瓦进行分拣封箱时基本依赖传统人工在严格的光照条件下进行分类,需要较大的人力物力的消耗。为提高磁瓦分拣的智能化水平,提出将深度学习引入到磁瓦正反分类当中,利用轻量型网络对磁瓦图像进行正反分类。首先考虑光线角度问题进行磁瓦正反面数据集的采集,并对其进行预处理得到标准图像。然后利用MobileNet对磁瓦正反面进行训练和分类。该系统可以达到99.6%的分类准确率,实验结果表明该方法所用参数量少,对硬件设备需求低,具有实际可行性,对磁瓦分类具有良好的效果。
-
单位淮北师范大学信息学院; 淮北师范大学
