|
|||||
|
|
| 基于卷积收缩自编码器的半监督缺陷识别方法 | |
| 作者单位： | 华中科技大学机械科学与工程学院,湖北武汉 430074 |
| 基金项目： | 国家重点研发计划;国家自然科学基金;华中科技大学学术前沿青年团队项目 |
| 摘 要： | 提出了一种基于半监督卷积收缩自编码器的缺陷识别方法.从未标记数据中获取有效缺陷信息,结合少量标记样本,实现较高的缺陷识别效果,解决了传统的基于卷积神经网络的缺陷识别方法依赖大量标记样本的问题.实验结果表明:本文方法具有较高的识别精度,在少量标记样本下即可获得不错的识别效果,相较于其他方法,准确率提升4.93%～62.96%,可有效降低样本标记成本,加快模型部署速度,确保质量检测和生产计划顺利进行. |
| 关 键 词： | 缺陷识别 半监督学习 深度学习 卷积自编码器 质量控制 |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |