基于深度学习的焊缝缺陷X射线图像分类方法

论文摘要

针对工业领域中的焊缝缺陷分类难题,文中提出一种基于深度学习的分类方法,该方法借助图像分割技术形成专用的焊缝缺陷数据集,通过在数据集上的训练,使深度网络自动提取出缺陷特征并根据学到的特征对新分割出的缺陷区域进行分类,进而达到焊缝图像缺陷自动分类的目标。实验结果表明,该方法能够以96%的精度应用于目标场景。

论文目录

• 0 引言
• 1 焊缝图像预处理
•   1.1 图像方向校准
•   1.2 左右边界确定
•   1.3 空白区域清除
• 2 基于深度网络的分类模型
•   2.1 缺陷数据集建立
•   2.2 基于AlexNet的分类模型
• 3 实验及结果分析
•   3.1 不同深度学习模型的分类对比
•   3.2 SVM与深度学习模型的对比
• 4 结束语

文章来源

类型: 期刊论文

作者: 李真,马丽,高敬礼

关键词: 深度学习,焊缝缺陷分类,阈值分割

来源: 信息技术 2019年08期

年度: 2019

分类: 信息科技,工程科技Ⅰ辑

专业: 金属学及金属工艺,计算机软件及计算机应用

单位: 平顶山学院计算机学院

基金: 河南省科技攻关项目(172102210428)

分类号: TP391.41;TG441.7

DOI: 10.13274/j.cnki.hdzj.2019.08.012

页码: 49-52

总页数: 4

文件大小: 167K

下载量: 293