基于脉冲神经网络的钢材表面缺陷识别研究

作者：孔玲爽; 闵悦; 何静; 刘建华^*; 张昌凡; 黄聪聪

来源：包装工程, 2022, 43(15): 13-22.

DOI：10.19554/j.cnki.1001-3563.2022.15.002

• 脉冲神经网络
• 稠密连接
• 钢材表面
• 缺陷识别
• 替代梯度下降

目的 针对现有钢材缺陷识别算法特征图利用不充分、识别准确率低、参数量大等问题，基于脉冲神经网络，提出一种用于钢材缺陷识别的稠密卷积脉冲神经网络（DCSNN）模型，减少系统消耗和内存占用。方法 首先，采用卷积编码，对输入图片进行特征提取和编码。其次，采用稠密连接算法搭建稠密卷积脉冲神经网络，实现特征重复利用，抑制梯度消失，并通过替代梯度下降算法进行网络训练。最后，在带钢数据集上进行测试，实现带钢缺陷识别。结果 实验结果显示，DCSNN在测试集上的准确率为98.61%，参数量为0.5万，结论 在钢材表面缺陷识别问题上表现出良好效果。

• 单位
  湖南工业大学