《表2 不同算法的检测结果对比》

  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

《深度学习在焊接领域的应用研究现状》

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

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%。