基于深度学习的智能电表HPLC通信模块外观划痕检测
Journal of Harbin University of Science and Technology（2022）
摘要
针对智能电表HPLC通信模块外观划痕检测的问题,提出了一种先进的像素级划痕检测体系结构Res-DU-Net,其特点是采用了深度卷积神经网络技术.首先,Res-DU-Net通过卷积、残差结构、空洞卷积、级联等操作实现了像素级的滑痕检测,形成了U形模型结构.其次,采用Adam算法对智能电表通信模块外观图像进行了训练和验证.最后,Res-DU-Net在学习率为0.001,损失率为0.020的情况下,准确率为0.985,召回率为0.987.实验结果证明,Res-DU-Net在像素级划痕检测方面比传统方法和完全卷积网络(FCN)及U-Net更加有优势.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要