改进的VGG网络的二极管玻壳图像缺陷检测

作     者：杜超 刘桂华 DU Chao;LIU Gui-hua

作者机构：西南科技大学信息工程学院 

出 版 物：《图学学报》 (Journal of Graphics)

年 卷 期：2019年第40卷第6期

页      面：1087-1092页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(11602292) 

主　　题：玻壳缺陷检测 VGG-19模型 迁移学习 图像分类 准确率 

摘      要：针对于目前二极管玻壳缺陷检测中大多采用人工特征提取,识别准确率不高的问题,提出一种改进的VGG网络的二极管玻壳图像缺陷检测方法。首先对玻壳图像进行预处理,同时利用原始大样本数据集对卷积神经网络结构VGG-19模型进行预训练得到预训练模型,然后通过迁移学习的方法将预训练模型中的部分卷积、池化等层权重参数迁移到改进网络模型的固定层中,非固定层用于模型改进,并将网络的全连接层结构重新进行超参数设置和优化,最后使用预处理后的玻壳图像数据集对改进模型进行训练,得到非固定卷积层和新的全连接层的参数和权重。在二极管玻壳数据集进行测试,实验结果表明,该方法能有效提高二极管玻壳图像分类识别准确率,达到了98.3%。