谭慧琳;刘卫兵;周颂伯;王德江; 

为提高铝型材表面缺陷识别精度并精简优化网络，采用轻量化SqueezeNet作为铝型材表面缺陷识别算法。将2018广东工业智造大数据创新大赛所提供的数据集进行预处理后随机分成70%的训练集和30%的验证集，对SqueezeNet求解器、学习率和MaxEpochs参数进行对比分析，通过3种经典卷积神经网络实验，结果表明，SqueezeNet模型在铝型材表面缺陷检测中准确率可达98.12%,在实际生产中具有较好的应用意义。 

2023年03期 v.20;No.91 35-40页 [查看摘要][在线阅读][下载 1049K]