基于深度学习的X射线焊缝缺陷识别

• 作者: 李清格 高炜欣
• 来源期刊: 西安石油大学学报（自然科学版）
• 学科: 工学
• 关键词: 焊缝缺陷识别 图像分类 深度学习 TensorFlow 卷积神经网络
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 石油机械设备及自动化
• 页码范围: 74-81
• 页数: 8页
• 分类号: TG441.7
• 字数: 4825字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-064X.2019.04.012

摘要

为了提高缺陷识别效率,提出利用基于深度学习网络进行焊缝缺陷识别.在分析X射线焊缝缺陷图像特征的基础上,构建一种基于模拟视觉感知原理的深度学习网络结构,并对卷积神经网络的卷积模板大小及层数进行了分析,对卷积神经网络隐藏层中2种不同的激活函数进行了实验验证,针对性地提出优化方法.该深度学习神经网络可以避免对焊缝缺陷图像特征的提取,直接判断疑似缺陷图像是否为缺陷.对580张图像进行了实验,结果表明,本文所提方法对SDR图像的识别准确率超过98％,优于传统方法.且所设计系统具有自动学习X射线焊缝缺陷图像中复杂的深度特征的特点,实用性较强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高炜欣	西安石油大学陕西省油气井测控技术重点实验室	53	354	11.0	15.0
5	李清格	西安石油大学陕西省油气井测控技术重点实验室	1	0	0.0	0.0