何 琛,李云红，谢蓉蓉

(西安工程大学 电子信息学院,陕西 西安 710048)

0 引 言

制备某些固体火箭内绝热层时,首先将丁腈橡胶原料混合并碾压,然后通过剪裁等工艺,形成特定规格的片材。传统的视觉识别常采用纹理、形状、颜色[1]、局部二值模式[2]、方向梯度直方图[3]等作为特征分析,进而应用到目标识别。但在特征设计上步骤繁琐,往往需要结合多种特征,以增强识别准确率。当现场环境稍微改变时,如光射强度突然改变、摄像机角度稍微移位等,识别效果不佳。

随着视觉技术与深度学习算法相结合[4-7],设计者只需将采集的图像和类别标签输入深度卷积神经网络,网络经过训练,便可得到图像的特征规律,该规律可用于今后的类别辨识。2014年VGG-16卷积神经网络[8]在ILSVRC比赛[9]中取得了骄人的成绩,从此广泛应用于视觉任务。王羽徽等通过减少卷积核数量、加入批归一化等方法,提高了训练速度和准确率,改进了VGG网络[10]。岳有军等通过向VGG加入批归一化、全局平均池化等,提高了准确率[11]。张建华等通过优化全连接层数、改变分类器标签数量等,优化了VGG网络[12]。上述改进的VGG网络,可概括为通过调参、优化结构完成了识别任务。本文在使用VGG网络识别丁腈橡胶片时,遇到的问题如过拟合[13]、参数量大、准确率不高,在上述文献中并没有给出一个全面的处理方案,且本文的数据集也有所不同,需要具体问题具体解决。因此考虑重建网络结构更适合问题的解决。在控制过拟合方面,SRIVASTAVA等提出随机失活,它主要削弱神经元节点间的连接,从而降低过拟合风险[14]。……