| 基于深度学习的X射线焊缝缺陷识别 |
| |
| 引用本文： | 李清格,高炜欣.基于深度学习的X射线焊缝缺陷识别[J].西安石油大学学报(自然科学版),2019(4):74-81. |
| |
| 作者姓名： | 李清格 高炜欣 |
| |
| 作者单位： | 西安石油大学陕西省油气井测控技术重点实验室;西安石油大学光电油气测井与检测教育部重点实验室 |
| |
| 摘 要： | 为了提高缺陷识别效率,提出利用基于深度学习网络进行焊缝缺陷识别。在分析X射线焊缝缺陷图像特征的基础上,构建一种基于模拟视觉感知原理的深度学习网络结构,并对卷积神经网络的卷积模板大小及层数进行了分析,对卷积神经网络隐藏层中2种不同的激活函数进行了实验验证,针对性地提出优化方法。该深度学习神经网络可以避免对焊缝缺陷图像特征的提取,直接判断疑似缺陷图像是否为缺陷。对580张图像进行了实验,结果表明,本文所提方法对SDR图像的识别准确率超过98%,优于传统方法。且所设计系统具有自动学习X射线焊缝缺陷图像中复杂的深度特征的特点,实用性较强。
|
| 关 键 词： | 焊缝缺陷识别 图像分类 深度学习 TensorFlow 卷积神经网络 |
Recognition of X-ray Weld Defects Based on Deep Learning |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
|
