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。

摘要：首先阐述BP神经网络结构,得到不同层神经元之间的关系;然后详述BP神经网络进行分类的原理,并进行改进,提出误差逆向的神经网络识别算法,加强了系统的学习性和收敛性,将其应用到船舶焊缝图像缺陷识别中,最后进行实验,说明本文所设计的BP神经网络结构能够提高缺陷识别的正确率。