为了解决工业铝型材表面缺陷检测中由样本缺乏导致的检测模型泛化性能差、训练过拟合等问题，利用ImageNet预训练的Inception V4网络对铝材表面进行缺陷检测。在检测过程中，对数据集进行旋转、翻转等处理以扩充数据样本，并使用ReLU作为激活函数，结合带Amsgrad的Adam优化器进行网络参数更新。实验结果表明，在数据样本较少的情况下，该方法在测试集上的识别准确率最高可达90.3%。
科研之友
微信
新浪微博
Facebook
分享链接
