基于卷积神经网络的焊缝缺陷超声图像识别方法研究
Research on ultrasonic image recognition of weld defects based on CNN
姚远 1杨济硕 1沈清澜 1姜建华1
作者信息
- 1. 江苏大学机械工程学院,江苏 镇江 212013
- 折叠
摘要
为增强超声检测对焊缝缺陷的识别能力,提出一种基于卷积神经网络的算法.在网络中采用批量归一化算法,以增加收敛速率并缓解反向传播中的梯度消失问题.在训练中使用引入动量机制的随机梯度下降算法,以提高收敛速率并达到线性收敛.实验针对4300张焊缝缺陷超声图像,结果表明,该算法对夹渣、横向裂纹、纵向裂纹、气孔和未熔合五种缺陷的识别准确率达到99.69%.该算法的可行性得到验证,有较好的应用前景.
关键词
焊缝缺陷/超声波检测/缺陷识别/卷积神经网络Key words
weld defects/ultrasonic testing/defect identification/convolutional neural network(CNN)引用本文复制引用
基金项目
全国大学生创新创业项目(202210299717X)
出版年
2023
NETL
NSTL
维普
万方数据