检索结果-南通市图书馆

一种改进卷积神经网络模型的焊缝缺陷识别方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

机械工程学报 2020年第8期56卷 235-242页

作者：姜洪权贺帅高建民王荣喜高智勇王晓桥夏锋社程雷西安交通大学机械制造系统工程国家重点实验室西安710049 麻省理工学院制造和生产率实验室美国剑桥02139 陕西省特种设备检验检测研究院西安710048

针对传统卷积神经网络(Convolutional neural network,CNN)应用于焊缝缺陷识别时,池化模型适应差及特征选择能力低、以及易导致过拟合问题,提出了一种基于改进卷积神经网络(Improved pooling model and feature selection of CNN,IPFCNN... 详细信息

针对传统卷积神经网络(Convolutional neural network,CNN)应用于焊缝缺陷识别时,池化模型适应差及特征选择能力低、以及易导致过拟合问题,提出了一种基于改进卷积神经网络(Improved pooling model and feature selection of CNN,IPFCNN)的焊缝缺陷识别方法。结合焊缝缺陷图像本身的特点,对传统平均池化模型做出改进,提出一种综合考虑池化域与其所在区域特征图分布的池化模型;为增强模型特征选择能力,提出将随机森林与卷积神经网络相结合的强化特征选择方法。以某汽轮机制造过程中焊缝缺陷识别案例对所提方法进行了验证和说明,结果表明提出的池化模型在处理不同特征分布的池化域时具有动态自适应性,并通过提高特征选择能力,使得所提方法比传统CNN方法具有更高的缺陷识别率。

关键词：焊缝缺陷识别卷积神经网络池化模型特征强化选择深度学习

图谱数据深度学习融合模型及焊缝缺陷识别方法

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报 2021年第5期55卷 73-82页

作者：支泽林姜洪权杨得焱程志翔高建民王泉生王晓桥王景人石养鑫西安交通大学机械制造系统工程国家重点实验室西安710049 陕西省特种设备检验检测研究院西安710048 西安优耐特容器制造有限公司西安710201

针对当前利用超声衍射时差法(TOFD)图谱数据进行缺陷类型判定时以人工判别为主,主观性大、效率低以及缺乏从波形特征及图像特征进行集成分析的问题,提出了一种深度学习融合模型及焊缝缺陷识别方法。通过对TOFD检测原理及缺陷检测图谱数... 详细信息

针对当前利用超声衍射时差法(TOFD)图谱数据进行缺陷类型判定时以人工判别为主,主观性大、效率低以及缺乏从波形特征及图像特征进行集成分析的问题,提出了一种深度学习融合模型及焊缝缺陷识别方法。通过对TOFD检测原理及缺陷检测图谱数据特点进行分析,建立了综合考虑波形数据和图像数据的缺陷特征表征方法,实现了缺陷标准数据集构建;通过构建基于时间卷积网络(TCN)的波形序列数据分析模块、基于卷积神经网络(CNN)的图像数据分析模块以及特征自适应融合分类模块,建立了一种可以实现波形序列特征与图像特征综合分析的深度学习融合网络模型(DLFM)及模式分类方法。以企业实际TOFD检测焊缝缺陷数据对所提方法进行了验证,结果表明所提DLFM方法对缺陷类型的识别率明显高于单独使用基于TCN、CNN以及CNN-TCN的方法;所提方法拓展了现有深度学习模型的构建方法,并可以推广应用到其他模式识别领域,具有较强的通用性。

关键词：超声衍射时差法焊缝缺陷识别自适应融合深度学习

在线全文

学校读者我要写书评

暂无评论

基于深度学习的X射线焊缝缺陷识别

西安石油大学学报（自然科学版） 2019年第4期34卷 74-81页

作者：李清格高炜欣西安石油大学陕西省油气井测控技术重点实验室陕西西安710065 西安石油大学光电油气测井与检测教育部重点实验室陕西西安710065

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... 详细信息

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

基于改进DG-MobileNet模型的焊缝缺陷识别方法

在线全文

学校读者我要写书评

暂无评论

组合机床与自动化加工技术 2023年第8期 127-130页

作者：潘海鸿李松莛陈琳邓火生雷运理广西大学机械工程学院南宁530004 广西机电职业技术学院机械工程学院南宁530007

针对焊接缺陷识别及分类过程中,传统卷积神经网络识别准确率低、适应性差和低效等问题,提出一种基于融合空洞卷积的DG-MobileNet焊接缺陷识别模型。首先,基于MobileNet模型将深度可分离卷积与空洞卷积相结合以扩大卷积核感受野;然后,引... 详细信息

针对焊接缺陷识别及分类过程中,传统卷积神经网络识别准确率低、适应性差和低效等问题,提出一种基于融合空洞卷积的DG-MobileNet焊接缺陷识别模型。首先,基于MobileNet模型将深度可分离卷积与空洞卷积相结合以扩大卷积核感受野;然后,引入DropBlock模块和批量规范化算法优化焊接缺陷特征提取过程和防止过拟合现象;其次,引入SENet自注意力机制进行特征重标定,提升焊接缺陷识别效率。此外,考虑到焊接缺陷数量类不平衡问题,采用DCGAN进行数据增强并在增强后的数据集上验证模型有效性。实验结果表明,相比于传统算法,DG-MobileNet在焊缝缺陷图像特征提取、识别准确率和耗时方面均具有更好的效果,其测试准确率达到98.62%。

关键词：焊缝缺陷识别空洞卷积生成对抗网络 MobileNet 深度学习

在线全文

学校读者我要写书评

暂无评论

WDR焊缝缺陷识别专家系统

软件开发与应用 1990年第1期 11-14,10页

作者：黄绳熙王怡之

基于电弧传感的GMAW过程焊缝缺陷识别方法

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

焊接学报 2000年第1期21卷 30-33页

作者：李迪宋永伦叶峰江伟华南理工大学广州510640

CO2 气体保护焊广泛应用于自动焊及机器人焊接领域 ,其过程中焊接质量的自动监测是目前工业界亟待解决的问题。而基于电弧传感 (through the arcsensing)信息的监测研究 ,由于其特有的优势得到了越来越多的关注。本文提出一种在CO2 气... 详细信息

CO2 气体保护焊广泛应用于自动焊及机器人焊接领域 ,其过程中焊接质量的自动监测是目前工业界亟待解决的问题。而基于电弧传感 (through the arcsensing)信息的监测研究 ,由于其特有的优势得到了越来越多的关注。本文提出一种在CO2 气体保护焊过程中对焊缝缺陷的自动监测方法。该方法基于对电弧传感信号特征的提取 ,通过采用自组织特征映射 (SOM)神经网络对信号分类 ,在焊接过程中在线识别焊缝缺陷。试验表明 ,该方法有效地实现了焊缝缺陷的识别 ,可用于焊接过程的在线监测 ,对机器人焊接生产的产品“零缺陷”质量控制具有重要应用价值。

关键词：焊接电弧传感焊缝缺陷识别 GMAW焊

在线全文

学校读者我要写书评

暂无评论

旋挖钻机桅杆焊缝X射线检测与缺陷识别研究

旋挖钻机桅杆焊缝X射线检测与缺陷识别研究

作者：钱文君吉林大学

学位级别：硕士

旋挖钻机是一种兼具挖掘和钻孔功能的大型工程机械设备,具有施工效率高,钻孔质量好,清孔操作简单的优点。桅杆作为旋挖钻机的核心部件,往往需要在各种各样的极端工况下作业。在钻桅的所有结构中,焊缝是最容易出现应力集中和疲劳破坏的... 详细信息

旋挖钻机是一种兼具挖掘和钻孔功能的大型工程机械设备,具有施工效率高,钻孔质量好,清孔操作简单的优点。桅杆作为旋挖钻机的核心部件,往往需要在各种各样的极端工况下作业。在钻桅的所有结构中,焊缝是最容易出现应力集中和疲劳破坏的地方。因此,保证焊缝处的质量对于提升旋挖钻机的结构强度和可靠性至关重要。本文依托于校企合作项目,聚焦于旋挖钻机的桅杆部件缺陷问题,通过X射线检测得到旋挖钻机关键位置焊缝图像,利用滤波,增强和特征提取等手段,对射线图像进行处理,并运用卷积神经网络对焊缝图像的缺陷进行检测,取得了良好的效果。本文具体内容为:(1)详细介绍了旋挖钻机桅杆焊缝样件的制备过程和X射线试验。对钻桅结构模型进行了简化和约束设置,分析了桅杆在钻进及提钻两种工况下的应力分布与变形趋势;确定了大圆盘焊缝处为应力最大,最易发生疲劳破坏的位置,并选择此处进行样件制备;介绍了X射线的特性与识别原理,设计了具体的X射线检测实验方案,完成了X射线检测试验并获得了缺陷检测图像。(2)深入研究了焊缝图像的滤波和增强等图像预处理技术。介绍了传统滤波方法与一种基于SUNet的滤波算法,并分别对X射线图像进行了滤波处理;通过线性增强、对数变换增强和直方图均值化等图像增强方法,分别对X射线图像进行增强;介绍了MAE,MSE,RMSE等图像质量评定指标,并对滤波和增强方法进行对比,确定了基于SUNet和线性增强的预处理方法;完成了X射线图像的预处理,提高了X射线图像质量。(3)深入研究了焊缝图像的阈值分割和边缘检测等图像特征识别技术。介绍了Otsu's阈值法和分水岭分割法两种阈值分割技术,完成了X射线图像的阈值分割并比较了两种方法的优劣;阐述了各类边缘检测算子的工作原理,利用上述算子对X射线图像进行边缘检测并通过边缘定位精度进行对比;确定了基于Otsu's阈值分割和Canny边缘检测技术的策略,顺利提取射线图像特征,得到了可直接用于后续缺陷识别的X射线图像。(4)深入探讨了基于卷积神经网络的焊缝缺陷识别技术。分析了裂纹、气孔和未焊透等常见焊缝缺陷的成因、宏观特征以及各类缺陷X射线检测图像的特点;利用收集到的各类缺陷图像构建了旋挖钻机焊缝缺陷数据集;设计了一个针对焊缝缺陷的残差识别网络,识别精度较高;为适应实际工程中不同尺寸的图像,将焊缝识别网络与滑窗技术相结合,提出了一种适用于多种图像尺寸的焊缝缺陷识别算法;将该算法应用于大圆盘焊缝的缺陷检测工作,取得了良好的效果。

关键词：工程机械旋挖钻机 X射线检测神经网络焊缝缺陷识别

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

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

焊接学报 2020年第1期41卷 7-11,I0001页

作者：樊丁胡桉得黄健康徐振亚徐旭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兰州730050 宝山钢铁股份有限公司上海201900 兰州兰石检测技术有限公司兰州730314

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... 详细信息

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

基于RBF网络的焊缝缺陷图像的识别与诊断技术研究

在线全文

学校读者我要写书评

暂无评论

热加工工艺 2016年第1期45卷 217-220页

作者：乔荣华董建刚张永恒榆林学院信息工程学院陕西榆林719000

本文主要研究了采用中值滤波、LOG算子的边缘检测以及DSA减影等数字图像处理技术对现有的焊缝缺陷图像进行处理,获得带有各种焊缝缺陷特征的大量图像样本,并用RBF神经网络对样本进行训练,最终获得具有较高识别精度的RBF网络。利用该网... 详细信息

本文主要研究了采用中值滤波、LOG算子的边缘检测以及DSA减影等数字图像处理技术对现有的焊缝缺陷图像进行处理,获得带有各种焊缝缺陷特征的大量图像样本,并用RBF神经网络对样本进行训练,最终获得具有较高识别精度的RBF网络。利用该网络可以大大提高对焊缝缺陷的判断效率,具有一定实用意义。

关键词：图像处理技术焊缝缺陷识别 RBF神经网络