公开(公告)号：CN111291806A

公开(公告)日：2020-06-16

申请号：CN202010078108.8

申请日：2020-02-02

Applicant: 西南交通大学

Inventor： 秦娜 ,  刘龙凯 ,  黄德青 ,  吴比 ,  张宗泓

IPC: G06K9/62 ,  G06K9/38 ,  G06K9/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及工业检测技术领域，具体涉及一种基于卷积神经网络工业产品标签号的识别方法，包括训练建立模型和标签号识别，利用深层神经网络VGG-16完成图像识别任务，通过精确地对工件数字标签分类，有效的提高了分辨故障模具的精确率，相比较传统图像分类方法，采用深度学习，准确率高，鲁棒性强；利用神经网络剪枝中的通道剪枝的方法对VGG-16进行压缩和推理加速，能够将训练好的模型压缩约25倍，并且将浮点操作运算减少约4倍，因而能够将模型部署到嵌入式设备中，相对于采用云计算方式，极大的减少成本预算，同时也避免了延迟，能够实时处理分析数据。