文献类型：期刊文章

作　　者：覃科[1] 刘晓刚[1] 丁立新[2]

机构地区：[1]桂林航天工业学院广西高校机器人与焊接技术重点实验室培育基地,广西桂林541004 [2]武汉大学软件工程国家重点实验室,武汉430072

出　　处：《焊接》

基　　金：广西自然科学基金资助项目(2014GXNSFAA1183105;2016GXNSFAA380226)

年　　份：2017

期　　号：6

起止页码：21-26

语　　种：中文

收录情况：BDHX、BDHX2014、PROQUEST、ZGKJHX、核心刊

摘　　要：为了通过熔池图像对焊接状态进行判断,将卷积神经网络引入到CO_2焊接熔池图像状态识别中,提出了一种CO_2焊接熔池状态识别卷积神经网络CNN-M。该网络使用简单预处理的熔池图像作为输入向量,避免了人工提取图像特征的主观性对识别率的不良影响。同时,CNN-M采用了ReLU激活函数、随机Dropout及SVM分类器来降低样本集稀少可能导致的网络过拟合现象。试验结果表明,和人工提取熔池特征状态作为输入向量的BP神经网络相比,CNN-M在识别率及识别速度方面均体现出了更好的性能,其良好的泛化能力能够满足在线熔池状态监控的要求。

关 键 词：焊接熔池 卷积神经网络 状态识别  

分 类 号：TG409]