《表2 BP神经网络训练结果》
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。
图表编号 | XD00107568900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.05 |
作者 | 高向东、郑俏俏、王春草 |
绘制单位 | 广东工业大学广东省焊接工程技术研究中心、广东工业大学广东省焊接工程技术研究中心、广东工业大学广东省焊接工程技术研究中心 |
更多格式 | 高清、无水印(增值服务) |