文献类型：期刊文章

作　　者：杨中雨[1] 李鹏[1]

YANG Zhongyu;LI Peng(College Of Optical And Electronical Information Changchun University of Science and Technology,Changchun,Electronic Engineering Branch,Changchun 130000,China)

机构地区：[1]长春理工大学光电信息学院电子工程分院,长春130000

出　　处：《激光杂志》

基　　金：国家自然科学基金(No.61703056);吉林省优秀青年人才基金项目(No.20190103154JH)。

年　　份：2021

卷　　号：42

期　　号：4

起止页码：64-67

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、JST、SCOPUS、ZGKJHX、核心刊

摘　　要：为了提高管道焊缝图像缺陷检测的识别能力,提出了一种改进型卷积神经网络识别算法。该算法采用灰度拉伸与中值排序的方式完成图像预处理,在卷积神经网络中通过自适应矩估计的方式避免算法陷入局部最优解。实验针对3000张焊缝缺陷图片进行学习和训练,并与焊接异常图像识别的两种常用算法进行对比,结果显示,本算法对夹渣、裂纹、烧穿、气孔及未熔合五种常见缺陷的整体缺陷平均识别概率达90.4%,识别概率得到显著提升。在整体测试数据中,误检率、召回率及平均识别率均优于两种传统方法。验证了算法的可行性,具有更好的识别效果和应用前景。

关 键 词：管道焊缝 缺陷识别  卷积神经网络 最优解

分 类 号：TN212]