基于MobileNet卷积神经网络的焊缝缺陷识别

摘要：

针对焊缝X射线图像缺陷识别传统方法的计算量大与准确度差的问题,提出了基于MobileNet的识别方法.首先对样本图像进行预处理和数量上的增强;然后引入MobileNet结构以解决传统深度卷积神经网络中对计算资源要求高的问题,引入残差结构与ELU激活函数以解决原始MobileNet网络中出现的退化问题与权重偏置更新失效的问题,在训练时应用迁移学习方法,解决小数据集容易过拟合与训练效率低的问题;最后,针对相同数据集,与改进前的网络、AlexNet网络和VGG-16网络进行对比,表明该文方法具备更优的识别准确率和相比传统网络拥有更小的计算量,相比传统网络的缺陷识别方法拥有更大的应用范围.

关键词：缺陷识别;卷积神经网络;深度学习;MobileNet

所属期刊栏目：37

分类号：TP273(自动化技术及设备)

资助基金：湖北省教育厅科学研究计划重点项目;智能机器人湖北省重点实验室开发基金项目;武汉工程大学科学研究基金项目

在线出版日期：2022-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：49-54