针对港口机械平衡梁涂装缺陷识别问题，设计了一种基于迁移学习的钢结构涂装缺陷识别分类方法。提出了一种基于迁移学习的AlexNet模型，对原始的预训练模型进行权值微调，再替换掉AlexNet模型中的最后一个全连接层（FCL）后，将目标图像数据集作为新的输入，通过反向传播方式对模型的权值进行微调，从而实现模型迁移。试验结果表明：有无缺陷分类成功率可达93%以上，点线面缺陷分类成功率达88%以上，对于橘皮测试准确率达到91%以上，能够满足缺陷检测分类要求。
科研之友
微信
新浪微博
Facebook
分享链接
