Institutional Repository of Coll Mat Sci & Engn
基于改进卷积神经网络的管焊缝X射线图像缺陷识别方法 | |
樊丁1; 胡桉得1; 黄健康1; 徐振亚2; 徐旭 | |
2020-01-25 | |
发表期刊 | 焊接学报 |
期号 | 2020-01页码:7-11+97 |
摘要 | 针对卷积神经网络(CNN)应用于焊缝探伤图像识别时,目标区域占比小,局部信息冗余,激活函数小于零时出现硬饱和区导致模型对输入变化较敏感、网络参数难以训练的问题,采用超像素分割算法(SLIC)和改进的ELU激活函数构建CNN模型进行焊缝探伤图像缺陷识别.首先,在CNN模型中使用ELU激活函数,在缓解梯度消失时对输入噪声产生更好的鲁棒性,同时,利用SLIC算法对图像像素进行像素块处理的特点,增大焊缝探伤图像中感兴趣区域的占比,降低局部冗余信息,提高模型在训练过程中的特征提取能力.通过对焊缝探伤图像感兴趣区域提取并与所述CNN模型进行对比试验.结果表明,该方法在焊缝探伤图像特征提取、训练耗时及识别准确率方面较传统卷积神经网络有更好的表现. |
关键词 | 焊缝缺陷识别 卷积神经网络 SLIC算法 ELU函数 |
URL | 查看原文 |
收录类别 | CNKI |
语种 | 中文 |
中图分类号 | TG441.7;TP391.41;TP183 |
文献类型 | 期刊论文 |
条目标识符 | https://ir.lut.edu.cn/handle/2XXMBERH/104231 |
专题 | 材料科学与工程学院 省部共建有色金属先进加工与再利用国家重点实验室 |
作者单位 | 1.兰州理工大学省部共建有色金属先进加工与再利用国家重点实验室; 2.宝山钢铁股份有限公司 |
第一作者单位 | 省部共建有色金属先进加工与再利用国家重点实验室 |
第一作者的第一单位 | 省部共建有色金属先进加工与再利用国家重点实验室 |
推荐引用方式 GB/T 7714 | 樊丁,胡桉得,黄健康,等. 基于改进卷积神经网络的管焊缝X射线图像缺陷识别方法[J]. 焊接学报,2020(2020-01):7-11+97. |
APA | 樊丁,胡桉得,黄健康,徐振亚,&徐旭.(2020).基于改进卷积神经网络的管焊缝X射线图像缺陷识别方法.焊接学报(2020-01),7-11+97. |
MLA | 樊丁,et al."基于改进卷积神经网络的管焊缝X射线图像缺陷识别方法".焊接学报 .2020-01(2020):7-11+97. |
条目包含的文件 | ||||||
文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
基于改进卷积神经网络的管焊缝X射线图像缺(1315KB) | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | 浏览 下载 |
个性服务 |
查看访问统计 |
谷歌学术 |
谷歌学术中相似的文章 |
[樊丁]的文章 |
[胡桉得]的文章 |
[黄健康]的文章 |
百度学术 |
百度学术中相似的文章 |
[樊丁]的文章 |
[胡桉得]的文章 |
[黄健康]的文章 |
必应学术 |
必应学术中相似的文章 |
[樊丁]的文章 |
[胡桉得]的文章 |
[黄健康]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论