摘要
奥氏不锈钢焊缝的粗晶粒以及材料各向异性,导致超声检测图像信噪比较低,人工检测判断缺陷存在困难.分别使用InceptionV3、ResNet50、DenseNet121和MobileNetV2卷积神经网络来进行奥氏不锈钢焊缝相控阵B扫图像的自动分类.实验结果表明,大型卷积神经网络分类准确率高,ResNet50和DenseNet121在测试集上的分类准确度达到100％,Inception V3达99.8％,但轻量化的卷积神经网络MobileNetV2的准确率只有90.8％,存在严重过拟合.通过改进轻量化卷积神经网络MobileNetV2的训练方式,并引入Dropout层,可以保证分类准确度达到100％,并且减小了大量网络参数,更利于移动端的应用.
基金项目
国家自然科学基金(51807052)
国家自然科学基金(51707058)
湖北省高等学校省级大学生创新创业训练计划(2020)(S202010500057)
维普
万方数据