Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

11.05.2018 | S.I. : Emergence in Human-like Intelligence towards Cyber-Physical Systems | Ausgabe 9/2019

Neural Computing and Applications 9/2019

Design of deep learning accelerated algorithm for online recognition of industrial products defects

Zeitschrift:
Neural Computing and Applications > Ausgabe 9/2019
Autoren:
Yufeng Shu, Yu Huang, Bin Li

Abstract

With the defects of LED chip as the research object, in LED chip defect recognition, an efficient and scalable parallel algorithm is critical to the deep model using a large data set training. As the implementation of parallel in multi-machine is relatively difficult, the paper puts forward a recognition method based on convolution neural network algorithm, so as to improve the small batch stochastic gradient descent algorithm that is very popular in the industry. This method has overcome the shortcomings of the existing defects recognition algorithms: It requires to manually extract features and needs a heuristic method. Furthermore, this method has made the following improvements to traditional methods: (1) It adds a “copy of model parameters” of critical resources to reduce the waiting time of a GPU in requesting for model parameters in the process of model parameters updating; (2) distribution mechanism of small batch data is designed, which, training set is some small batch data that are randomly distributed at GPU side, and is selected by using the critical resource p variable; (3) a certain amount of memory space storage gradients are created on the GPU side and the parameter server side, and the gradient propagation is passed through a “gradient distribution” thread for scheduling. The experimental data show that the recognition rate of network for short-shot defects has reached 99.4%. In addition, compared with BP neural network, it can be seen from the experiment that the recognition rate of the proposed method is significantly better than that of BP neural network, so the method has a good application prospect.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 9/2019

Neural Computing and Applications 9/2019 Zur Ausgabe

Brain- Inspired computing and Machine learning for Brain Health

A novel subgraph querying method based on paths and spectra

Premium Partner

    Bildnachweise