|
|||||
|
|
| 基于多域多尺度深度特征自适应融合的焊缝缺陷检测研究EI北大核心CSCD | |
| 作者姓名： | 张睿 高美蓉 傅留虎 张鹏云 白晓露 赵娜 |
| 作者单位： | 1.太原科技大学计算机科学与技术学院030024;2.山西省机电设计研究院有限公司030009; |
| 基金项目： | 山西省基础研究计划项目(20210302123216)；山西省研究生教育改革研究课题项目(2021YJJG244)；山西省研究生教育创新项目(2021Y699)；山西省机械产品质量司法鉴定中心企业委托项目(2021168)；太原科技大学研究生联合培养示范基地项目(JD2022004)；太原科技大学研究生教育创新项目(SY2022064)。 |
| 摘 要： | 针对焊缝缺陷检测信号信息丰富度低、深度网络架构人工依赖性强等问题,开展基于多域多尺度深度特征自适应融合的焊缝缺陷检测研究。构建时域数据集并衍生至实数域与复数域中,丰富检测信号的特征表达;设计多域信息融合模型,充分融合特征域信息;提出面向卷积神经网络多维超参数自寻优的模型优化策略,提高模型的效率和性能。试验表明,所提方法对五类焊缝缺陷识别准确率为96.54%,能够在提升识别准确率同时保持较少的参数量和计算消耗,具有较强的实用性和泛化性。 |
| 关 键 词： | 焊缝缺陷 超声检测 多域多尺度特征融合 卷积神经网络(CNN)模型优化策略 模型自优化 |
| 本文献已被 维普 等数据库收录！ | |