10.16208/j.issn1000-7024.2020.09.031
基于渐进式卷积神经网络的焊缝缺陷识别
焊缝缺陷的形状不规则等特点导致传统算法及技术难以达到高精度识别的要求,为此提出一种复杂度较低的渐进式卷积神经网络(progressive convolutional neural network,P-CNN)对焊缝缺陷进行识别.该网络各层采用相同大小的特征图,避免重要特征遗漏,为避免过拟合和欠拟合,学习过程中先以少量样本为基数进行训练,之后成倍增加训练样本的数量,直至准确率达到98% 时,不再增加样本数量.实验结果表明,该方法能有效识别多种焊缝缺陷,较传统的卷积神经网络识别精度有6.7% 的提高,在工程的应用与推广中具有一定意义.
焊缝、缺陷识别、卷积神经网络、渐进式学习、渐进式卷积神经网络
41
TP399(计算技术、计算机技术)
山西省应用基础研究基金项目;太原科技大学校博士科研启动基金项目;山西省自然科学基金项目
2020-10-14(万方平台首次上网日期,不代表论文的发表时间)
共5页
2611-2615