基于深度学习的乳液泵缺陷检测算法
【摘要】 为了实现对工业产品乳液泵的缺陷检测本文采集泵顶,泵上端、泵下端、尾管、习中迁移学习和卷积神经网络的原理分别构建各角度的分类模型以检测缺陷样本4.个角度的样本图像并基于深度学,首先使用,MiniGImageNet数据集预训练网络模型然后调整模型结构并加载预训练网络的参数并将乳液泵各角度的训练集和验证集经过图像预处理.算法后输入至卷积神经网络中训练,,将预处理后的乳液泵测试样本输入至训练好的模型中,根据训练过程中验证集准确率的变化调整网络超参数得到最终网络模型最后,.检测最终模型的缺陷识别效果,本文算法可用于设计乳液泵缺陷检测系统.4个角度检测准确率均在该系统能与工业结构,,最终以上单样本检测用时为93%相结合筛选出有缺陷的泵体,优于传统方法2.52s,也可拓展到工业其他物件的缺陷检测.
