基于深度学习的X射线焊缝缺陷识别

摘要：

为了提高缺陷识别效率,提出利用基于深度学习网络进行焊缝缺陷识别.在分析X射线焊缝缺陷图像特征的基础上,构建一种基于模拟视觉感知原理的深度学习网络结构,并对卷积神经网络的卷积模板大小及层数进行了分析,对卷积神经网络隐藏层中2种不同的激活函数进行了实验验证,针对性地提出优化方法.该深度学习神经网络可以避免对焊缝缺陷图像特征的提取,直接判断疑似缺陷图像是否为缺陷.对580张图像进行了实验,结果表明,本文所提方法对SDR图像的识别准确率超过98％,优于传统方法.且所设计系统具有自动学习X射线焊缝缺陷图像中复杂的深度特征的特点,实用性较强.

关键词：焊缝缺陷识别、图像分类、深度学习、TensorFlow、卷积神经网络

所属期刊栏目：34

分类号：TG441.7(焊接、金属切割及金属粘接)

资助基金：陕西省教育厅重点实验室科研计划项目14JS079;西安石油大学研究生创新与实践能力培养项目YCS18213082

在线出版日期：2019-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：74-81