基于改进卷积神经网络的飞机桁架焊缝缺陷识别与测试

摘要：

飞机桁架的焊接质量是其工作强度的重要保证,因此对桁架的焊缝缺陷进行有效检测和识别是当前航空制造业重点研究的问题.为快速而有效地检测出焊缝的内部缺陷,并针对传统目标识别方法中存在的计算复杂、识别精度不高等问题,提出了一种基于改进卷积神经网络(Convolutional neural network,CNN)的焊缝缺陷识别方法.首先,对焊缝图像进行阈值划分,使其特征信息更利于提取;然后,设计了改进的自适应池化方法,从而提出一种新的焊缝图像缺陷识别模型结构,并制定相应的模型参数与计算方法;最后,利用所设计的识别模型对焊缝图像进行识别训练与测试.研究结果表明,该网络模型可有效实现焊缝内部缺陷的识别及分类,平均正确识别率达到98.25％,说明所提出的方法具有识别速度快、正确率高、鲁棒性好的优点,为焊缝缺陷识别工艺过程提供理论参考.

关键词：卷积神经网络(CNN);焊缝缺陷;图像识别;飞机桁架;Matlab仿真

所属期刊栏目：64

资助基金：广东省普通高校特色创新类项目2018KTSCX262

在线出版日期：2022-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：34-38