基于CNN的分类器在图像缺陷检测中的应用研究  

作　　者：郭康 王涛 王刚 甄国军 

机构地区：[1]彩虹(合肥)液晶玻璃有限公司,合肥230012

出　　处：《建筑玻璃与工业玻璃》2023年第3期9-13,共5页Architectural Glass and Functional Glass

摘　　要：针对现有玻璃表面缺陷检测系统,本文提出了一种基于卷积神经网络(CNN)模型的分类器提高玻璃缺陷检测智能化处理。所使用CNN模型使用多层卷积层的一个多层感知器,通过有监督方式下学习。实验通过使用添加RBF网络的方法,算法通过在最后一个下采样层与输出层之间加上RBF隐层,并同时增加最后一个下采样层神经元的数量来提高网络识别准确率。实验表明,该方法迭代次数少,有助于建立泛化能力强、检测精度高的图像缺陷检测分类器。

关 键 词：多层感知器 智能化处理 玻璃缺陷检测 RBF网络 分类器 CNN 卷积层 图像缺陷 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]