风扇缺失的图像分类 目标 设计基于CNN的深度神经网络(DNN)以推断被测设备中所有风扇的存在 用受过训练的模型开发图像分类应用程序,以推断网络摄像头图像中风扇的实时状态,以进行自动光学检测(AOI)应用程序 粉丝图片 通行证:所有四位粉丝的存在失败:至少缺少一个风扇 数据集和预处理 数据集:705张图像(通过),1000张图像(失败)。在距设备的不同距离和不同角度处捕获图像,以在训练(80%)和验证(20%)数据集中引起更多变化 将图像的色彩空间从BGR转换为RGB 将图像调整为224 x 224。 从调整后的图像中减去imagenet数据集的每通道均值(RGB:[123.68,116.779,103.939])预处理图像经过失败 训练 请参考步骤以在目标数据集上训练预训练的VGG-16模型 在VGG网络中解冻转换层的最后两个块,以在不同角度捕获的测试图像上获得强大的性能(不包括在训练和