《表2 BP神经网络模型的焊缝表面缺陷分类结果》

  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

《激光视觉传感的焊缝表面缺陷识别与分类》

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

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。