基于EC双流模型的焊接缺陷图像识别

• 作者: 陈琳 陈英蓉 庞再军 刘冠良 潘海鸿
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: 焊接缺陷识别 深度学习 卷积神经网络 X射线图像
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 控制与检测
• 页码范围: 94-97
• 页数: 4页
• 分类号: TH16|TG506
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2022.01.021

摘要

由于焊缝缺陷X射线图像背景较为复杂,造成识别准确率及效率低.为提高缺陷识别准确率,提出一个由并行EfficientNet网络为基本框架的粗-细两阶段EC双流模型.该模型通过CBAM注意力机制提高网络的局部特征注意力,获取更加丰富的焊接缺陷细特征信息,并将其与提取原始粗特征结合输入全连接层,以更加精确实现焊接缺陷的分类;为降低训练参数、模型过拟合现象以及提高模型泛化性能,并利用全局平均池化层GAP和BN算法优化整个训练过程;此外,在小孔、夹渣、未焊透和裂纹等焊接缺陷数据集上,将EC双流模型与VGG16、BCNN(VGG16)、Xception进行对比实验.实验结果表明,以EfficientNet作为基础网络的EC双流模型的分类识别结果的平均F1为99.1％,平均精度为99.4％,平均准确率可达99.13％.该模型有效实现焊接缺陷的检测与分类,可减小误判率.