传感器与微系统
傳感器與微繫統
전감기여미계통
TRANSDUCER AND MICROSYSTEM TECHNOLOGY
2015年
7期
155-157
,共3页
阳武%李倩%赵继生%高强%余萍
暘武%李倩%趙繼生%高彊%餘萍
양무%리천%조계생%고강%여평
深度信念网络%产品检测%故障指示器%分类实验%正确识别率
深度信唸網絡%產品檢測%故障指示器%分類實驗%正確識彆率
심도신념망락%산품검측%고장지시기%분류실험%정학식별솔
deep belief network (DBN)%product inspection%fault indicator%classification experiment%accuracy recognition rate
电子产品在生产过程中需进行产品检测,以故障指示器的检测为例,结合深度信念网络(DBN)技术实现了自动检测.深度信念网络由于其具有无监督预训练的优势,将其应用于实际系统,对现场的故障指示器视频图像的动作状态进行了分类实验.实验结果表明:深度信念网络分类算法相比于支持向量机(SVM)分类算法和BP分类算法有明显的优势,正确识别率达到了100%.该算法在产品检验的应用中满足生产测试的要求,且降低了人工测试的劳动强度,缓解了视觉疲劳问题.
電子產品在生產過程中需進行產品檢測,以故障指示器的檢測為例,結閤深度信唸網絡(DBN)技術實現瞭自動檢測.深度信唸網絡由于其具有無鑑督預訓練的優勢,將其應用于實際繫統,對現場的故障指示器視頻圖像的動作狀態進行瞭分類實驗.實驗結果錶明:深度信唸網絡分類算法相比于支持嚮量機(SVM)分類算法和BP分類算法有明顯的優勢,正確識彆率達到瞭100%.該算法在產品檢驗的應用中滿足生產測試的要求,且降低瞭人工測試的勞動彊度,緩解瞭視覺疲勞問題.
전자산품재생산과정중수진행산품검측,이고장지시기적검측위례,결합심도신념망락(DBN)기술실현료자동검측.심도신념망락유우기구유무감독예훈련적우세,장기응용우실제계통,대현장적고장지시기시빈도상적동작상태진행료분류실험.실험결과표명:심도신념망락분류산법상비우지지향량궤(SVM)분류산법화BP분류산법유명현적우세,정학식별솔체도료100%.해산법재산품검험적응용중만족생산측시적요구,차강저료인공측시적노동강도,완해료시각피로문제.