《表2 不同算法的检测结果对比》
Nana Yang等人[19]提出了基于改进卷积神经网络的X射线焊缝图像分类。该方法中的CNN-Xray由7层组成,其中层1,3和5是卷积层,2和4是下采样层,试验数据集的图像规模为60×60,为了不压缩数据,输入层设计为60×60。在1,3,5卷积层的激活函数之前添加批量归一化,这加速了网络的收敛并且增强了模型的容量。在批量归一化操作之后,结果由函数LRe LU+Softplus处理,从而将非线性因子添加到网络中以增加网络的表达能力。在第5层之后,添加卷积核的大小为1×1的卷积层,这一方面增加了网络的深度,另一方面减少了特征图的尺寸并避免了过多的参数。通过完全链接连接到最后一层,使用Soft Max函数和正则化项作为成本函数。通过这些改进,缺陷分类的准确性得到提高,表2为CNN-Xray与其他检测方法准确度的对比,可知基于CNN-Xray的方法比Le Net-5,ANN和SVM更准确,准确度为99.5%。
图表编号 | XD0025279400 严禁用于非法目的 |
---|---|
绘制时间 | 2018.08.27 |
作者 | 胡波 |
绘制单位 | 国家知识产权局专利局专利审查协作江苏中心 |
更多格式 | 高清、无水印(增值服务) |