文献检索-宁波市创意产业特色资源库

限定检索结果

基于深度学习的瑕疵检测软件设计与实现: 收藏
分享
引用; 《自动化与仪器仪表》2022年第10期 27-31,37页; 作者：赵小华咸阳职业技术学院陕西咸阳712000; 针对传统瑕疵检测软件对瑕疵识别定位准确率低的问题,设计一个基于改进DenseNet-SSD的瑕疵检测系统。在DenseNet卷积神经网络和SSD目标检测框的基础上,分别加入可变形卷积和Focal Loss机制,得到改进的DenseNet-SSD模型;将此模型应用到...; 针对传统瑕疵检测软件对瑕疵识别定位准确率低的问题,设计一个基于改进DenseNet-SSD的瑕疵检测系统。在DenseNet卷积神经网络和SSD目标检测框的基础上,分别加入可变形卷积和Focal Loss机制,得到改进的DenseNet-SSD模型;将此模型应用到瑕疵检测系统进行瑕疵检测测试。应用结果表明,对比于VGG16-SSD和Faster RCNN,本方法的平均检测精度高达93.53%,具备更好的检测性能。对比于原始的DenseNet-SSD,本方法的mAP提高了7.78%,且本方法的IOU仅为0.718,各类瑕疵检测精度的标准差为2.513 9。由此说明,设计的软件具备精准的瑕疵定位能力,能够有效识别各类瑕疵。; 来源：详细信息评论

限定检索结果