基于改进深度置信网络的木板表面缺陷检测模型

作     者：李馥颖 杨大为 黄海 Li Fuying;Yang Dawei;Huang Hai

作者机构：沈阳理工大学艺术设计学院辽宁沈阳110159 沈阳理工大学信息科学与工程学院辽宁沈阳110159 

基　　金：辽宁省教育厅项目(LG201915) 

出 版 物：《南京理工大学学报》 (Journal of Nanjing University of Science and Technology)

年 卷 期：2022年第46卷第6期

页      码：728-734页

摘      要：为了提高木板表面缺陷检测精度,采用连续型深度置信网络(DBN)建立木板表面缺陷检测模型。首先,对待检测的木板图片进行关键特征提取,并建立DBN检测模型。然后,将木板图片特征输入DBN的多个受限玻尔兹曼机(RBM)层进行深度训练,从而利用DBN的深度优势来获得木板表面缺陷检测结果。最后,引入人工蜂群(ABC)算法对DBN的权重参数进行优化从而缩短训练时间。实例测试实验结果表明:选择学习速率为0.075时,ABC-DBN算法在划痕、刮痕、裂缝、崩缺4类样本集中的均方根误差(RMSE)均值性能更优。采用卷积神经网络(CNN)、快速区域卷积神经网络(Faster R-CNN)、自适应增强卷积神经网络(AdaBoost-CNN)和ABC-DBN算法分别进行检测准确率对比实验。结果显示,ABC-DBN算法检测准确率RMSE为5.067×10^(-2),是最优结果,Adaboost-CNN算法次之,CNN算法最差。

主 题 词：深度置信网络 木板表面 缺陷检测 受限玻尔兹曼机 人工蜂群算法 卷积神经网络 快速区域卷积神经网络 自适应增强卷积神经网络 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.14177/j.cnki.32-1397n.2022.46.06.009

馆 藏 号：203116201...