科研之友
微信
新浪微博
Facebook
分享链接
摘要
对于工业产品缺陷检测,传统方法和普通神经网络在应用时难以覆盖种类繁多的缺陷类型,为此,提出了一种基于多重孪生神经网络模型的缺陷识别方法。该方法在原始孪生神经网络的基础上扩展输入分支,不仅可以判断待测图像有无缺陷,还可以输出有缺陷图像的缺陷类型。多重孪生网络首先将各输入图像转换为特征向量,并通过巴氏距离计算各输入图像和与各参考图像之间的相似度,最后通过K最近邻(KNN)算法,输出待测图像的缺陷类型。同时还建立了一个包含常见印刷缺陷的数据集,在该数据集上,实验精确率达到90.97%,召回率达到96.18%。此外,该方法充分发挥了孪生网络"one shot learning"的优点,可以通过较小的训练样本实现多类型的缺陷图像识别。
- 单位
