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。
简介:Qorvo凭借功能强大的前端模块(FEM)QPF1002Q(作为高通9150芯片组参考设计的关键部件),在蜂窝车联网(C-V2X)应用的全球现场试验中发挥重要作用。QorvoFEM具备出色的线性输出功率和热管理性能,有助于在车辆、自行车、行人和基础设施之间构建无线安全通信系统,实现直接实时通信。C-V2X技术将5G的低延迟和高带宽优势融入了汽车应用领域。Qorvo产品旨在解决汽车领域中最棘手的RF难题,同时支持C-V2X和DSRC协议。相关产品将于1月8日至11日的CES(#CES2019)期间,在拉斯维加斯金沙会展中心的40943号Qorvo展位上展出。