焊接缺陷磁光成像卷积神经网络识别方法
对焊件表面及亚表面微小焊接缺陷进行检测是保证焊接质量的关键,提出一种基于深层卷积神经网络的磁光成像焊接缺陷检测方法.以法拉第磁致旋光效应为基础,分析磁光成像原理,建立深层卷积网络预测模型,研究不同模型结构参数对训练结果的影响.通过对深度卷积神经网络中间机理分析,研究模型训练过程并自动寻找卷积核最优参数.试验结果表明,第一层卷积核尺寸选择7×7和采用Relu激活函数可以使预测模型达到最佳效果,焊接缺陷磁光成像平均训练准确率为98.61%,凹坑、裂纹、未焊透、未熔合、无缺陷5种焊接试样预测准确率分别为84.38%、98.05%、84.38%、100%、100%,平均预测准确率为93.36%.
焊接缺陷、磁光成像、卷积神经网络、无损检测
42
TH865
国家自然科学基金;广州市科技计划项目
2021-07-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
107-113