基于改进的卷积神经网络光学薄膜缺陷识别

摘要

为对光学薄膜缺陷图像进行准确识别分类,提出一种基于改进的卷积神经网络光学薄膜缺陷图像识别方法.为突出输入图像中的缺陷信息,采用改进的LBP算法对图像进行预处理.从三个方面对传统的卷积神经网络进行改进:为了解决单通道卷积神经网络对图像特征提取不充分的问题,构建双通道卷积神经网络;改进传统的ReLU激活函数,避免模型出现欠拟合现象;使用支持向量机(SVM)代替Softmax分类器,提高计算效率和准确率.光学薄膜缺陷图像仿真识别实验表明,所提方法分类平均准确率高达93.2％,训练时间为964 s,充分验证了所提方法的鲁棒性和有效性.