文献类型：期刊文章

作　　者：赵鹏[1] 唐英杰[1] 杨牧[2] 安静[1]

ZHAO Peng;TANG Ying-jie;YANG Mu;AN Jing(Beijing Institute of Graphic Communication,Beijing 102600,China;Techmach(Beijing)Industrial Technology Co.,Ltd.,Beijing 100176,China)

机构地区：[1]北京印刷学院,北京102600 [2]钛玛科(北京)工业科技有限公司,北京100176

出　　处：《包装工程》

基　　金：国家自然科学基金(61472461)。

年　　份：2020

卷　　号：41

期　　号：5

起止页码：192-196

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、JST、RCCSE、核心刊

摘　　要：目的针对传统无纺布缺陷分类检测中人工依赖性强、效率低等问题,提出一种能够满足工厂要求的卷积神经网络分类检测方法。方法首先建立包括脏点、褶皱、断裂、缺纱和无缺陷等5种共计7万张无纺布图像样本库,其次构造一个具有不同神经元个数的卷积层和池化层的神经网络,然后采用反向传播算法逐层更新权值,通过梯度下降法最小化损失函数,最后利用Softmax分类器实现无纺布的缺陷分类检测。结果构建了12层的卷积神经网络,通过2万张样本进行测试实验,无缺陷样本准确率可以达到100%,缺陷样本分类准确率均在95%以上,检测时间在35 ms以内。结论该方法能够满足工业生产线中对于无纺布缺陷实时分类检测的要求。

关 键 词：无纺布 缺陷分类  缺陷检测  卷积神经网络

分 类 号：TP751]