摘要：棉花是纺织产业的重要原料之一。在棉花质量检测中,轧工质量这一指标是在公证检验中唯一使用人工检验的指标。技术人员人工进行轧工质量的等级判定容易受人为因素影响。本文设计了一种棉花轧工质量的分级系统,通过采集到的新疆棉图像,经图像预处理、图像剪裁和VGG预训练的网络算法的处理,最终得到分级结果。为提高识别准确率和网络的泛化能力,进行了图像裁剪和图像增强。深层网络训练的完全训练权重参数往往会消耗大量时间,因此为调高训练效率,使用了特征提取法和微调技术进行预训练,这种方法还能提高模型的分级准确率。试验表明,本文研究的棉花轧工质量检测系统识别正确率在88%以上,可以满足对棉花轧工质量进行分级的目的。

摘要：智能制造的兴起对网络技术提出了诸多新需求。多模态网络将网络技术体制与支撑环境相分离,支持多种不同网络技术体制在同一个网络支撑环境中的共生共存和灵活加载与运行,可为智能制造提供多样化、可自定义、高可靠的网络服务能力。研究了智能制造对网络基础环境的新需求,并以智慧工厂为例,针对其多种不同应用场景设计了基于多模态网络的技术解决方案。将不同网络模态高效适配于协同研发设计、产线生产控制、机器视觉质检、无人智能巡检、事故应急响应等应用场景,验证了多模态网络在智能制造中应用的技术优势,可为推动制造业转型升级提供有力支撑。