基于深度学习的电池片缺陷识别研究
基于TensorFlow框架搭建卷积神经网络对电池片电致发光图像进行缺陷识别。选取公开的数据集，其中包含了电池片的不同种类缺陷。在传统的VGGNet网络的基础上使用全卷积神经网络进行训练，并分析不同损失函数和dropout概率在数据集上的训练效果。经过实验证明，该算法实现了对电池片是否有缺陷的准确识别。研究还得出压缩网络结构对算法训练速率能有大幅提升，这使得简化的模型更具有可迁移性，为大范围的实时缺陷识别提供了一种有效方案。
文件下载
评论信息
其他资源
- 使用smbj.jar访问共享文件夹,解决SMB2/SMB3共享文件夹访问的问题
- matlab 泰勒图绘制程序
- 机器人控制系统的设计与MATLAB仿真pdf及程序
- 嵌入式技术与应用丛书 汽车电子KEA系列微控制器基于ASMCortex-M0+内核
- 中控IC读写卡器Demo
- 频率计高频小信号放大整形电路
- 用 WinPCAP 监听并分析以太网的帧，记录目标与源 MAC 和 IP 地址
- 在线学习系统
- 医院信息管理系统设计与实现
- 数码管显示的简易计算器
- petri网仿真工具2
- 嵌入式系统原理及应用.pdf
- ubuntu下安装jdk和NSG2教程(有详尽步骤)
- RXTX2.1-7 jar包下载
- 干洗店管理系统的数据库文件
- unity5x 开发VR游戏插件oculus插件
- 建筑，房地产方案汇总
- QT自定义窗口 自由拖动 自定义标题
- opencv stitching拼接
- jsp+servlet+mysql酒店订房基础项目
- 计算机网络自定向下方法 超清 英文版 Computer Network A Top Down Approach
- 佳能相机快门检查工具
- handbook-of-optics-third-edition-volume-ii
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明