基于迁移学习的正温度系数热敏电阻表面损伤分类算法研究
柯愉
华中科技大学光学与电子信息学院 武汉 430074
摘要：正温度系数热敏电阻(Positive Temperature Coefficient Resistor,PTCR)在生产转运过程中易遭受表面损伤,人们通常在出厂前对其甄别损伤,实施筛选.然而现在常采用人工手动分拣,效率低,容易漏选,因此使用机器视觉技术来进行智能化分类将极大地提升其分拣效率.论文提出了一种基于迁移学习的PTCR表面损伤分类算法,此算法将获取的数据集进行数据增强后在三种卷积神经网络模型Inception-V3、ResNet50、Xception分别提取特征向量,然后将提取到特征向量进行合并训练,使用SoftMax进行分类,最后获得了准确率最高的OurNet(自命名)模型.该模型可以自动识别出边缘破损、完全破裂、表面刮擦等三种表面损伤,从而保障产品质量,提高生产效率.
关键词：正温度系数热敏电阻损伤分类迁移学习
分类号：TP301.6(计算技术、计算机技术)
论文发表日期：2024-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 1703-1707 )
英文信息