焊缝缺陷图像分类识别的深度置信网络研究

• 作者: 刘梦溪 巨永锋 武晓朦 王征 高炜欣
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 焊缝缺陷 深度学习 受限玻尔兹曼机 深度置信网络
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 5-9,15
• 页数: 6页
• 分类号: TP391.41|TG441.7
• 字数: 3625字
• 语种: 中文
• DOI: 10.19708/j.ckjs.2018.08.002

摘要

由于工业生产中所获取的焊缝缺陷图像背景较为复杂,对其分类识别效率较低,因此提出了一个由三层受限玻尔兹曼机叠加组成的深度置信网络模型.该网络模型在对焊缝原始图像进行更为全面的信息抽取前提下,能够借助深度置信网络自下而上对输入信息进行学习与训练的特点,逐渐减少对焊缝缺陷信息的误判;借助网络最后一层后向传播算法的作用,可以在确保更高正确率的同时缩短收敛时间,有效提升识别效率;通过与传统的支持向量机和人工神经网络进行对比实验,结果表明深度置信网络能更为有效地避免过拟合的发生,对于焊缝缺陷的特征识别具有更为理想的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	武晓朦	西安石油大学光电油气测井与检测教育部重点实验室	40	192	8.0	13.0
2	巨永锋	长安大学电子与控制工程学院	142	1091	15.0	28.0
3	高炜欣	西安石油大学光电油气测井与检测教育部重点实验室	53	354	11.0	15.0
4	王征	西安石油大学光电油气测井与检测教育部重点实验室	19	44	4.0	4.0
5	刘梦溪	长安大学电子与控制工程学院	7	10	2.0	3.0