《表3 在数据集Set-1、Set-2、Set-3上的耗时对比 (秒×102)》
本文的实验环境是在Windows 7系统,Inter Core i3-7100,3.9GHz CPU,内存8GB,Matlab(2014Ra)下进行的,为了测试该算法的耗时,在Set-1、Set-2、Set-3数据集上对改进的多尺度方法、基于深度学习模型方法、ANFIS方法进行测试,测试结果见表3。从表中可以看出本文方法耗时明显小于文献[2]、文献[5]中方法,因此本文所提出的方法具有很高的检测效率。对于深度学习模型而言,其网络特征构建时需要训练网络参数、调整节点权值,这部分是最耗时的。然而本文算法只需要计算焊缝图像单尺度分解下的RSP投影作为步函数匹配MP投影后的各成分之间能量之和,因此计算速度快、耗时少。
图表编号 | XD0040535900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.16 |
作者 | 尹立航、孙士保、许烨、章冲 |
绘制单位 | 河南科技大学信息工程学院、商丘学院应用科技学院理学系、河南科技大学信息工程学院、河南科技大学信息工程学院、河南科技大学信息工程学院 |
更多格式 | 高清、无水印(增值服务) |