改进型卷积神经网络焊点缺陷识别算法研究

• 作者: 常大俊 常颖
• 来源期刊: 激光技术
• 学科: 工学
• 关键词: 图像处理 深度学习 卷积神经网络 灰度梯度
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 光通信与光信息技术
• 页码范围: 779-783
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.7510/jgjs.issn.1001-3806.2020.06.023

摘要

为了同时对多种焊点缺陷类型进行快速识别,解决现有焊接异常图像识别算法误检率与漏检率偏高的问题,设计了基于改进型卷积神经网络的深度学习算法.利用自组织映射分类技术,提高了卷积神经网络的数据选择自适应性,结合自适应矩估计分析,约束了焊接异常图像中特征集合的收敛条件.实验中将5种常见焊接异常图像以等比例随机分布的形式放入训练集、验证集和测试集中,再分别用传统识别算法(canny算法和k均值算法)和该算法进行测试.结果表明,对于桥连缺陷,3种方法均无误检、无漏检;对于小球缺陷,3种方法均符合要求,而canny算法的检出能力最优;对于偏球缺陷,3种算法的误检率分别是12.4％,7.3％和与1.4％,漏检率分别是13.3％,6.5％和1.1％;对于虚焊和少锡缺陷,该算法相比传统算法精度高约1个数量级.该算法在对多种焊点缺陷类型识别中具有明显优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	常大俊		21	48	3.0	6.0
2	常颖		1	0	0.0	0.0