基于集成迁移学习的铝型材瑕疵识别研究

作者：黄清兰; 游贵荣^*

来源：西安文理学院学报(自然科学版), 2023, 26(02): 74-78.

• 铝型材瑕疵识别
• 多尺度膨胀卷积
• 卷积神经网络
• 迁移学习
• 集成学习

基于CNN的迁移模型用于铝型材表面瑕疵分类识别研究中，未考虑所提取的瑕疵特征图中冗余信息对分类性能的影响.针对该问题，提出了一种基于集成迁移学习的铝型材瑕疵分类方法，首先基于CNN的传统迁移模型自动获取铝型材瑕疵特征，再利用多尺度膨胀卷积对所提取的铝型材瑕疵特征进行稀疏采样，获取多组差异化的瑕疵特征，通过训练生成一组具有差异化的CNN分类器，并将其集成.实验结果证明，该方法相对于传统基于CNN的迁移模型，在铝型材瑕疵分类上，具有更高的分类准确率，性能更优.

• 单位
  福建商学院