深度卷积神经网络的X射线焊缝缺陷研究

• 作者: 刘梦溪 巨永锋 武晓朦 王征 高炜欣
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 焊缝缺陷 深度学习 特征识别 卷积神经网络
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 研究与探讨
• 页码范围: 37-39,43
• 页数: 4页
• 分类号: TG441.7|TP391.4
• 字数: 2163字
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2018)05-0037-03

摘要

针对X射线焊缝的缺陷识别难度较高且难以分类这一问题,在典型CUDA-CONVNET卷积神经网络(CNN)的基础上,改进并设计了一种深度CNN结构.以图像预处理作为基础,在保证最大限度提取原始图像的焊缝特征的前提下,对CNN的层次架构及参数设定开展了研究;通过与支持向量机(SVM)识别算法对比,进一步评估提出的深度学习方式,研究结果表明:改进后的深度CNN结构及其算法对于大样本的图像特征表达与识别能力有一定的优势,运算样本与错误率成反比,网络结构具有较高的图像分类识别正确率.

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	西安石油大学电子工程学院	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	西安石油大学电子工程学院	53	354	11.0	15.0
4	王征	西安石油大学电子工程学院	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