论文摘要
针对焊缝缺陷自动检测的需要,提出了基于卷积神经网络的焊接缺陷特征自动提取及分类算法。该算法直接将预处理后的焊缝RT图像作为输入,将焊接缺陷种类作为输出,有效避免了因人为识别主观经验对检测结果造成的不良影响,同时采用学习率逐渐降低法、随机Dropout以及Relu激活函数以加快网络的收敛速度,并避免了过拟合现象的发生。实验结果表明,这种基于卷积神经网络的焊接缺陷识别技术具备较好的识别率与泛化能力,能够为焊接质量检测的研究提供重要参考,且具备一定的工程应用价值。
论文目录
文章来源
类型: 期刊论文
作者: 杨志超,周强,胡侃,赵云
关键词: 焊接,缺陷识别,卷积神经网络,特征提取,深度学习
来源: 武汉理工大学学报(信息与管理工程版) 2019年01期
年度: 2019
分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技
专业: 金属学及金属工艺,自动化技术
单位: 武汉理工大学物流工程学院,武汉湾流科技股份有限公司
分类号: TG441.7;TP183
页码: 17-21
总页数: 5
文件大小: 144K
下载量: 369
相关论文文献
- [1].基于置信规则和证据推理的超声检测缺陷识别[J]. 中国测试 2017(04)
- [2].木材缺陷识别方法综述[J]. 农业技术与装备 2020(11)
- [3].荧光磁粉探伤缺陷识别系统的研究现状与关键技术[J]. 铁道机车车辆工人 2008(08)
- [4].基于新型深度神经网络的民机表面缺陷识别[J]. 计算技术与自动化 2020(01)
- [5].基于机器学习的软件缺陷识别的必要性[J]. 电脑知识与技术 2017(25)
- [6].基于边缘计算的机巡图像缺陷识别算法研究[J]. 自动化与仪器仪表 2020(07)
- [7].基于温度阈值风电叶片缺陷识别的红外检测研究[J]. 太阳能学报 2020(08)
- [8].基于漏磁内检测的缺陷识别方法[J]. 仪器仪表学报 2016(11)
- [9].平板玻璃缺陷识别系统设计[J]. 重庆科技学院学报(自然科学版) 2017(02)
- [10].基于多特征点的船舶焊缝图像缺陷识别技术[J]. 舰船科学技术 2019(24)
- [11].基于深度学习网络模型与大数据自动训练的工件缺陷识别算法研究[J]. 齐齐哈尔大学学报(自然科学版) 2020(02)
- [12].内控缺陷识别框架的初探[J]. 商业文化(上半月) 2011(12)
- [13].基于决策树自动构造的组装缺陷识别[J]. 制造业自动化 2009(08)
- [14].企业内控缺陷识别影响因素的因子分析[J]. 中国集体经济 2016(09)
- [15].基于参数转化和遗传算法的内部多缺陷识别算法的性能分析[J]. 红外技术 2014(09)
- [16].X射线图像缺陷识别的特征参数选择及其识别[J]. 无线互联科技 2012(11)
- [17].基于顺序向前浮动搜索时频优选特征的缺陷识别[J]. 浙江大学学报(工学版) 2011(12)
- [18].基于迁移学习与深度森林的晶圆图缺陷识别[J]. 浙江大学学报(工学版) 2020(06)
- [19].基于深度学习的化工金属材料焊接小目标缺陷识别定位研究[J]. 材料保护 2020(08)
- [20].小型零件边缘缺陷识别算法研究[J]. 机电一体化 2017(07)
- [21].基于生成对抗网络的缸盖表面缺陷识别[J]. 制造业自动化 2020(11)
- [22].超声波检测中缺陷识别及其影响因素[J]. 企业技术开发 2011(13)
- [23].基于层级识别模型的输电线路杆塔小金具缺陷识别方法[J]. 电力信息与通信技术 2020(09)
- [24].基于深度学习算法的带钢表面缺陷识别[J]. 西安工程大学学报 2017(05)
- [25].基于小波和灰度共生矩阵的带钢表面缺陷识别[J]. 制造技术与机床 2020(02)
- [26].深度学习在输电线路工程验收智能缺陷识别中的应用[J]. 江西电力 2020(02)
- [27].基于聚合通道特征的防震锤锈蚀缺陷识别算法[J]. 计算技术与自动化 2020(02)
- [28].天然气管道内检测信号分析与缺陷识别技术研究[J]. 管道技术与设备 2019(04)
- [29].深度学习在硅钢钢片缺陷识别中的应用[J]. 数字技术与应用 2017(12)
- [30].基于模糊核支持向量机的管道磁记忆检测缺陷识别[J]. 石油学报 2010(05)