基于多特征图像增强深度卷积神经网络的航天用电子元器件分类算法

作     者：蔡立明 李威 高永发 张文亮 张玉强 CAI Li-ming;LI Wei;GAO Yong-fa;ZHANG Wen-liang;ZHANG Yu-qiang

作者机构：北京航天控制仪器研究所北京100039 青岛海洋科学与技术试点国家实验室青岛266237 航天物联网技术有限公司北京100094 

出 版 物：《导航与控制》 (Navigation and Control)

年 卷 期：2020年第19卷第2期

页      面：112-119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(编号:61571145) 

主　　题：深度学习 卷积神经网络 电路板板载元器件 图像空间变换 

摘      要：为了实现航天用电子元器件的全自动及非接触识别,并减少由照明系统造成的图像亮度不均、偏色等问题对检测结果的影响,通过结合局部、区域和总体三个层次特征提升物体检测精度,提出了一种基于多特征图像增强深度卷积神经网络(MFIE-DCNN)的航天用电子元器件分类算法。MFIE-DCNN算法包含多特征学习和深度学习,其学习过程类似于人类视觉系统,能够对形状、方向和颜色特征进行深度挖掘,突出元器件边界信息,抑制背景杂波干扰。实验结果表明,该算法能够区分电路板板载元器件的种类,检测准确度优于传统算法。对比基于稀疏自动编码器的深度神经网络,检测结果提高了近20%。