《表2 BP神经网络训练结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《旋转磁场下焊接缺陷磁光成像检测与强分类研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由表3可知，BP-Ada Boost强分类器总分类精度可达98.88%，在1 250幅测试图像中，只有13幅被错分。250幅弧形裂纹测试图像中，3幅图像被错分为线形裂纹；250幅线形裂纹测试图像中，3幅图像被错分凹坑；250幅凹坑测试图像中，6幅图像被错分未熔透；250幅未熔透测试图像中，2幅图像被错分凹坑；无缺陷的识别率为100%。相比于BP神经网络，使用Ada Boost算法构建的BP-Ada Boost强分类器模型有效提高了焊接缺陷的分类精度。