[发明专利]一种基于改进卷积神经网络的焊缝缺陷识别方法有效
| 申请号： | 201810709776.9 | 申请日： | 2018-07-02 |
| 公开（公告）号： | CN109034204B | 公开（公告）日： | 2022-01-25 |
| 发明（设计）人： | 姜洪权;高建民;王晓桥;王泉生;夏锋社;贺帅;程雷;李华;昌亚胜 | 申请（专利权）人： | 西安交通大学 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 高博 |
| 地址： | 710049 陕*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于改进卷积神经网络的焊缝缺陷识别方法，建立综合考虑池化域与其所在特征图特征分布的池化模型，引入修正因子μ对最大池化特征进行修正将ReliefF算法与神经网络相结合作为特征选择方法；构建具有上述池化模型和特征选择方法的深度卷积神经网络，以最小化代价函数为目标进行迭代，以训练形成焊缝缺陷识别神经网络，实现焊缝缺陷类型的识别。本发明方法避免了传统焊缝缺陷识别方法须人工提取特征的过程，且较传统改进前卷积神经网络模型的缺陷识别率有进一步提升。 | ||
| 搜索关键词： | 一种 基于 改进 卷积 神经网络 焊缝 缺陷 识别 方法 | ||
【主权项】：
1.一种基于改进卷积神经网络的焊缝缺陷识别方法，其特征在于，建立综合考虑池化域与其所在特征图特征分布的池化模型，引入修正因子μ对最大池化特征进行修正；将ReliefF算法与神经网络相结合作为特征选择方法；构建具有上述池化模型和特征选择方法的深度卷积神经网络，以最小化代价函数为目标进行迭代，以训练形成焊缝缺陷识别神经网络，将待识别焊缝图像送入训练好的深度神经网络，实现焊缝缺陷类型的识别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安交通大学，未经西安交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810709776.9/，转载请声明来源钻瓜专利网。
