6、深度学习在轴承滚子缺陷检测与作物压力分析中的应用

深度学习在轴承滚子缺陷检测与作物压力分析中的应用

1. 轴承滚子缺陷检测

在轴承滚子缺陷检测中，提出了两种不同检测速度和粒度的方法。

1.1 实验设置

• 数据准备 ：
  • 方法二由多个模块组成，需要不同的数据。模块B在二进制标记数据上训练。
  • 使用训练集中所有视图的500张图像并标记所有缺陷来训练模块A。
  • 标记训练集中200张图像的划痕来训练模块C以检测小划痕。
• 环境配置 ：
  • 使用Python（版本3.6）中的TensorFlow作为深度学习框架，用Labelme标记缺陷。
  • 实验环境设置如下表：
    | 硬件（机器类型） | 软件 |
    | — | — |
    | CPU: Intel Core i7 - 6700 | Ubuntu16.04 LTS |
    | RAM: 16G | Python: 3.6 |
    | GPU: TITAN X(ascal) | Tensorflow - gpu - 1.12.0 |
• 训练参数 ：使用Adam优化器和交叉熵损失来训练模型，学习率设置为0.001，批量大小设置为64。使用精度（P）、召回率（R）、F1分数（F1）和ROC曲线下面积（AUC）四个评估指标来评估方法。

1.2 二进制分类网络