基于卷积神经网络的焊缝缺陷超声图像识别方法研究

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：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.

外文标题：Research on ultrasonic image recognition of weld defects based on CNN

外文关键词：

weld defectsultrasonic testingdefect identificationconvolutional neural network(CNN)

作者：

姚远、杨济硕、沈清澜、姜建华

展开 >

作者单位：

江苏大学机械工程学院,江苏镇江 212013

关键词：

焊缝缺陷超声波检测缺陷识别卷积神经网络

基金：

全国大学生创新创业项目

项目编号：

202210299717X

出版年：

2023

DOI：

10.16644/j.cnki.cn33-1094/tp.2023.07.024

计算机时代

浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411

ISSN：1006-8228

年,卷(期)：2023.(7)

参考文献量7