基于多目标进化深度学习的钢铁产品质量缺陷识别方法

本发明提供一种基于多目标进化深度学习的钢铁产品质量缺陷识别方法，涉及钢铁产品质量识别技术领域。该方法首先采用自动神经网络加深技术构建原始钢铁产品质量缺陷识别模型；然后采用多目标差分进化算法对得到的最佳原始钢铁产品质量缺陷识别模型进行剪枝处理，降低网络计算复杂度；接着，基于偏好向量从多目标差分进化算法剪枝处理后获取的帕累托前沿上确定偏好Knee解；最后根据获取的Knee解确定钢铁产品质量缺陷识别模型，并重新进行训练获得在测试数据集上对应的准确率，验证模型有效性。该方法成功摆脱了依靠人工经验定义网络结构，同时所获得的质量缺陷识别模型在识别准确率与模型复杂度方面表现出较理想的性能。