科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对体育用皮革缺陷的识别精度问题，本文提出一种基于多层全连接神经网络的体育用皮革缺陷识别模型，通过调整神经网络的层数与单元数，提高模型识别性能。训练结果表明，当在隐层层数为2且隐层单元数为20时，基于迭代次数在30 000次得到的权值和偏置，所构建神经网络模型拟合最好，识别准确率为99%,识别性能较高。采用训练好的模型对测试集中的图像样本进行分类识别，模型对4个类别样本的平均识别精确度达到了99.41%,相较于SVM、ResNet和Faster＿RCNN等主流皮革分类方法提高了11.26%、5.14%和2.2%,识别精度较高，且识别时间在仅花费0.094 7 s,远远低于皮革缺陷检测与识别要求的2.627 s,具有较高的实用价值，值得进一步推广。
- 单位
