基于深度学习的X射线焊缝缺陷识别

作     者：李清格 高炜欣 LI Qingge;GAO Weixin

作者机构：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 

基　　金：陕西省教育厅重点实验室科研计划项目(14JS079) 西安石油大学研究生创新与实践能力培养项目(YCS18213082) 

出 版 物：《西安石油大学学报（自然科学版）》 (Journal of Xi’an Shiyou University（Natural Science Edition）)

年 卷 期：2019年第34卷第4期

页      码：74-81页

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。

主 题 词：焊缝缺陷识别 图像分类 深度学习 TensorFlow 卷积神经网络 

学科分类：080503[080503] 08[工学] 0805[工学-能源动力学] 0802[工学-机械学] 080201[080201] 

D　O　I：10.3969/j.issn.1673-064X.2019.04.012

馆 藏 号：203695685...