简介:金属探测门自1970年代开始被先进国家应用在机场等重要管制区域,对避免犯罪份子携带枪枝、刀械等危险物品进入,以预防事故发生,发挥了极大的吓阻及实质作用。随着全球经济的蓬勃发展,金属探测门在各种商业领域的应用也应运而生,像一些生产高价值元器件/材料的制造厂(如:芯片、电路板、硬盘、手机、金银饰品等)用来防止员工将生产品带出厂区,使得此类产品的功能从单纯的安全检测延伸至防盗/防窃领域,且需求不断增加。
简介:在丝绸等织物生产过程中,经常会出现织物产生非正常花纹的缺陷。目前对织物缺陷的检测主要是通过人工肉眼判别,该方法花费时间长、人工成本高,会给企业带来较大的经济负担。本文通过使用BP和SAE两种神经网络对织物进行缺陷检测,并判断是何种缺陷:首先介绍了使用BP神经网络对大量样本训练并保存,得到最佳权值,从而实现对于图像的缺陷检测和分类;训练样本通过SAE深度神经网络训练得到重构图像,再不断微调参数,获得最佳的权重数值,运用滤波器过滤噪声,最终得到结果。通过大量的实验,结果表明两种方法对织物缺陷检测均具有非常良好的效果,充分证明了深度神经网络在工业生产织物过程中运用的可行性。