文献类型：期刊文章

作　　者：刘桂雄[1] 何彬媛[1] 吴俊芳[2] 林镇秋[3]

LIU Guixiong;HE Binyuan;WU Junfang;LIN Zhenqiu(School of Mechanical and Automotive Engineering, South China University of Technology, Guangzhou 510640,China;School of Physics and Optoelectronics, South China University of Technology, Guangzhou 510640, China;Guangzhou Hua Jie Electronic Technology Co., Ltd., Guangzhou 510663, China)

机构地区：[1]华南理工大学机械与汽车工程学院,广东广州510640 [2]华南理工大学物理与光电学院,广东广州510640 [3]广州市华颉电子科技有限公司,广东广州510663

出　　处：《中国测试》

基　　金：广州市产学研重大项目(201802030006);广东省现代几何与力学计量技术重点实验室开放课题(SCMKF201801)

年　　份：2019

卷　　号：45

期　　号：7

起止页码：1-10

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：基于深度学习图像分类是视觉检测应用的基本任务.该文系统总结基于模型深度化图像分类网络、基于模型轻量化图像分类网络及其他优化网络主要思想、网络结构、实现技术、技术指标、应用场景,指出网络模型深度化、轻量化分别有助于提高图像分类准确性、实时性.最后,面向零部件质量检测需求,应根据其类型多少、结构复杂程度、特征异同等特点,结合实时性要求,选择合适的图像分类网络构建零部件质量智能检测系统.

关 键 词：图像分类 深度学习  视觉检测 零部件质量检测  

分 类 号：TP301.6]