《表2 BP神经网络模型的焊缝表面缺陷分类结果》
试验共采集1 000幅焊缝缺陷的激光条纹图像(训练集和测试集的数据量分别为700幅和300幅),利用三层BP神经网络对样本进行训练。神经网络的训练结果如图10所示,分类结果如表2所示。由表2可知,凹陷的识别率为92.85%,识别结果优于咬边(87.87%)及气孔(85.33%)。原因为焊缝成形的复杂性,若飞溅存在于焊缝边缘处,焊缝的激光条纹图像呈现为凹陷,神经网络误会将靠近焊缝区域的飞溅错分为凹陷,从而造成误检;同时对于小气孔和咬边,若传感器扫描速度过快则可能无法扫描到缺陷区域,从而未能提取缺陷特征点导致被错分为无缺陷类型。
图表编号 | XD0055819900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.20 |
作者 | 丁晓东、黎扬进、高向东、张艳喜、游德勇、张南峰 |
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、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、黄埔海关 |
更多格式 | 高清、无水印(增值服务) |