基于深度卷积神经网络的工具痕迹识别研究

目的 为了提高工具痕迹检验鉴定结果的稳定性和可靠性,提出了一种基于深度学习的方法.方法 使用基于迁移学习的思想与深度卷积神经网络VGG16模型的机器学习算法,对8个断线钳、10个钢丝钳和10个螺丝刀制作的2800个工具痕迹的2D图像数据集,进行单独和综合训练学习.结果 训练后的模型对测试数据进行识别,对于在精确定位工具刃口条件下制作的钢丝钳剪切痕迹和螺丝刀线条痕迹样本可达到98％以上的准确率,对于工具刃口剪切位置误差为1.5 mm以内的条件下制作的断线钳剪切痕迹样本可达88.3％的准确率,对3种工具的综合数据集的综合识别率达到95.5％的准确率.结论 实验结果表明,不需要预先对工具痕迹做特征工程处理,就能够达到较高的识别率.