基于深度學(xué)習(xí)的玻璃缺陷識別方法研究.pdf

1、玻璃生產(chǎn)過程中會產(chǎn)生諸如氣泡、癤瘤和夾雜等不同類型的不利缺陷，玻璃缺陷準(zhǔn)確識別的研究有助于改進(jìn)生產(chǎn)技術(shù)，提高玻璃質(zhì)量。缺陷特征的提取直接決定了缺陷類型識別的準(zhǔn)確率，但是當(dāng)前方法中的特征選取很大程度上依靠經(jīng)驗(yàn)和運(yùn)氣，并且需要大量的時間進(jìn)行調(diào)節(jié)。本文采用基于深度學(xué)習(xí)的特征提取技術(shù)，以實(shí)現(xiàn)多樣性的缺陷類型的準(zhǔn)確識別，主要工作如下:
　　1).在分析深度學(xué)習(xí)的基本理論的基礎(chǔ)上，重點(diǎn)研究了前饋神經(jīng)網(wǎng)絡(luò)、堆棧自編碼網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)三類深度學(xué)

2、習(xí)模型結(jié)構(gòu)以及訓(xùn)練算法。構(gòu)建了常見的玻璃缺陷類型的樣本數(shù)據(jù)庫。
　　2).采用前饋神經(jīng)網(wǎng)絡(luò)、堆棧自編碼網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)與SoftMax分類器相結(jié)合的缺陷識別算法，實(shí)現(xiàn)了玻璃缺陷類型的識別，研究了缺陷識別時間、準(zhǔn)確率與網(wǎng)絡(luò)結(jié)構(gòu)之間的關(guān)系。根據(jù)對比結(jié)果，選取了卷積神經(jīng)網(wǎng)絡(luò)作為玻璃缺陷類型識別的深度學(xué)習(xí)網(wǎng)絡(luò)。
　　3).針對卷積神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時參數(shù)調(diào)節(jié)困難、易陷入局部最優(yōu)值等問題，采取無監(jiān)督學(xué)習(xí)和遺傳算法相結(jié)合的方式對卷積神經(jīng)網(wǎng)