基于改进的卷积神经网络的道路井盖缺陷检测研究

来源：计算机测量与控制杂志2020年第1期北京时间：

作者：姚明海,隆学斌

单位：浙江工业大学

摘要：道路井盖缺陷检测对于道路维护与安全至关重要,论文提出了一种改进的卷积神经网络算法,可实现井盖缺陷的快速、准确检测。算法对卷积神经网络的激活函数模型进行了改进,针对Relu激活函数在输入小于零时输出设为零,导致部分缺陷信息丢失问题，设计了MReLu和BReLu两种改进激活函数。在此基础上，为了增强神经网络模型的特征表达能力,提出了双层激活函数模型。最后，在公共数据集MNIST,CIFAR-10上进行了比较实验,网络主要参数有批处理大小(batch size)为32，最大迭代次数为1000次，学习率为0.0001，每经过5000次迭代衰减50%。实验结果表明，基于改进后的激活函数和应用双层激活函数所构造的卷积神经网络，大大减少了训练参数，不仅收敛速度更快，而且可以更加有效地提高分类的准确率。

关键词：井盖缺陷;卷积神经网络;激活函数;神经元

基金资助：国家自然科学基金(61871350)资助项目。