基于卷积神经网络的轮胎X光图像缺陷检测

为解决常用轮胎X射线图像缺陷检测方法难以获取准确的图像特征的问题,提出一种通过卷积神经网络获取图像特征的方法。对轮胎X射线图像进行数据增强,然后建立网络模型。训练算法获取图像缺陷特征,并用训练好的模型识别图像中的缺陷。首先将参数对应的神经元分为关键和非关键部分,然后采用局部关键点和动态学习率实现参数快速调节。试验结果表明,设计的网络模型不易过拟合,参数调节快,所需时间短,检测准确率高。     

基于PSO-BP算法的无线传感器网络定位优化

在研究现有定位算法的基础上,针对基于接收信号强度指示(RSSI)定位模型中的参数易受环境影响等问题,提出了一种新型的粒子群优化(PSO)算法与后向传播(BP)神经网络相结合的算法.BP网络算法权值的修正依赖于非线性梯度值,易形成局部极值,同时学习次数较多,需先通过粒子群算法进行优化.为了提高定位精度,首先采用速度常量法滤波处理,然后通过改进的混合优化算法对BP神经网络初始权值和阈值进行优化,并分析算法的性能.试验中隐层节点个数采用试错法,从12到19变化,以确定合适数目.实验结果表明,与一般加权算法和传统BP算法相比,改进的混合优化算法可大幅改善测距误差对定位误差的影响,同时可使25 m内最小定位误差小于0.27 m.