基于卷积神经网络的CO2焊接熔池图像状态识别方法

• 作者: 丁立新 刘晓刚 覃科
• 来源期刊: 焊接
• 学科: 工学
• 关键词: 焊接熔池 卷积神经网络 状态识别
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 试验研究
• 页码范围: 21-26
• 页数: 6页
• 分类号: TG409
• 字数: 4838字
• 语种: 中文

摘要

为了通过熔池图像对焊接状态进行判断,将卷积神经网络引入到CO2焊接熔池图像状态识别中,提出了一种CO2焊接熔池状态识别卷积神经网络CNN-M.该网络使用简单预处理的熔池图像作为输入向量,避免了人工提取图像特征的主观性对识别率的不良影响.同时,CNN-M采用了ReLU激活函数、随机Dropout及SVM分类器来降低样本集稀少可能导致的网络过拟合现象.试验结果表明,和人工提取熔池特征状态作为输入向量的BP神经网络相比,CNN-M在识别率及识别速度方面均体现出了更好的性能,其良好的泛化能力能够满足在线熔池状态监控的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁立新	武汉大学软件工程国家重点实验室	62	641	13.0	22.0