本文主要研究内容
作者黄旭丰(2019)在《基于深度迁移学习的焊接质量在线监测方法研究》一文中研究指出:随着焊接工业的不断发展,焊接过程中实现自动化、柔性化、智能化已成为工业发展必然趋势。研究焊缝质量在线检测,对提高焊接工艺质量和相关焊接工件质量具有重要意义。本文研究基于深度迁移学习的焊接质量在线监测方法,针对目前焊接过程中产生的焊缝表面缺陷难以检测与识别的问题,通过研究焊接缺陷数据增强、焊接缺陷图像分类、焊接缺陷目标检测方法,实现高效精准的焊接质量在线监测。主要研究结果如下:(1)基于生成对抗网络实现了焊接缺陷学习样本的数据增强,通过引入条件变量、高斯混合模型、自注意力机制优化生成对抗网络损失函数,并提出基于深度卷积神经和自注意力机制的生成器和判别器模型;研究生成样本分布与真实样本分布的差异性评判方法。实验表明,利用所提出的数据增强算法能为深度学习算法在小规模焊接缺陷样本的训练提供一个有效途径;(2)引入DropBlock卷积核优化和全局平均池化,结合轻量卷积神经网络模型MobileNet,提出基于优化轻量卷积神经网络的焊接缺陷分类算法,并利用Fashion-MNIST中小规模图像公开数据集及焊接X射线内部缺陷增强数据集对算法进行测试,实验结果表明,相对于目前常用的卷积神经网络分类算法,所提出的焊接缺陷分类算法兼顾识别准确率和训练效率,具有计算复杂度低和部署易用性良好的优点,为嵌入式平台实现焊接缺陷目标识别提供实现手段;(3)研究焊接缺陷内外部特征映射关系和深度迁移学习策略,利用基于网络的深度迁移学习策略实现焊接缺陷内外部特征模型的权重迁移,提高焊接外部特征缺陷分类模型的收敛速度和泛化能力,能有效利用有限焊接外部特征数据集进行训练;研究目标检测算法,结合基于深度迁移学习的焊接外部特征缺陷分类模型和One-Stage目标检测算法,提出基于深度迁移学习的焊接缺陷目标检测算法,部署到嵌入式AI平台,对焊接表面图像进行实时检测,实现焊接质量的实时在线监测;
Abstract
sui zhao han jie gong ye de bu duan fa zhan ,han jie guo cheng zhong shi xian zi dong hua 、rou xing hua 、zhi neng hua yi cheng wei gong ye fa zhan bi ran qu shi 。yan jiu han feng zhi liang zai xian jian ce ,dui di gao han jie gong yi zhi liang he xiang guan han jie gong jian zhi liang ju you chong yao yi yi 。ben wen yan jiu ji yu shen du qian yi xue xi de han jie zhi liang zai xian jian ce fang fa ,zhen dui mu qian han jie guo cheng zhong chan sheng de han feng biao mian que xian nan yi jian ce yu shi bie de wen ti ,tong guo yan jiu han jie que xian shu ju zeng jiang 、han jie que xian tu xiang fen lei 、han jie que xian mu biao jian ce fang fa ,shi xian gao xiao jing zhun de han jie zhi liang zai xian jian ce 。zhu yao yan jiu jie guo ru xia :(1)ji yu sheng cheng dui kang wang lao shi xian le han jie que xian xue xi yang ben de shu ju zeng jiang ,tong guo yin ru tiao jian bian liang 、gao si hun ge mo xing 、zi zhu yi li ji zhi you hua sheng cheng dui kang wang lao sun shi han shu ,bing di chu ji yu shen du juan ji shen jing he zi zhu yi li ji zhi de sheng cheng qi he pan bie qi mo xing ;yan jiu sheng cheng yang ben fen bu yu zhen shi yang ben fen bu de cha yi xing ping pan fang fa 。shi yan biao ming ,li yong suo di chu de shu ju zeng jiang suan fa neng wei shen du xue xi suan fa zai xiao gui mo han jie que xian yang ben de xun lian di gong yi ge you xiao tu jing ;(2)yin ru DropBlockjuan ji he you hua he quan ju ping jun chi hua ,jie ge qing liang juan ji shen jing wang lao mo xing MobileNet,di chu ji yu you hua qing liang juan ji shen jing wang lao de han jie que xian fen lei suan fa ,bing li yong Fashion-MNISTzhong xiao gui mo tu xiang gong kai shu ju ji ji han jie Xshe xian nei bu que xian zeng jiang shu ju ji dui suan fa jin hang ce shi ,shi yan jie guo biao ming ,xiang dui yu mu qian chang yong de juan ji shen jing wang lao fen lei suan fa ,suo di chu de han jie que xian fen lei suan fa jian gu shi bie zhun que lv he xun lian xiao lv ,ju you ji suan fu za du di he bu shu yi yong xing liang hao de you dian ,wei qian ru shi ping tai shi xian han jie que xian mu biao shi bie di gong shi xian shou duan ;(3)yan jiu han jie que xian nei wai bu te zheng ying she guan ji he shen du qian yi xue xi ce lve ,li yong ji yu wang lao de shen du qian yi xue xi ce lve shi xian han jie que xian nei wai bu te zheng mo xing de quan chong qian yi ,di gao han jie wai bu te zheng que xian fen lei mo xing de shou lian su du he fan hua neng li ,neng you xiao li yong you xian han jie wai bu te zheng shu ju ji jin hang xun lian ;yan jiu mu biao jian ce suan fa ,jie ge ji yu shen du qian yi xue xi de han jie wai bu te zheng que xian fen lei mo xing he One-Stagemu biao jian ce suan fa ,di chu ji yu shen du qian yi xue xi de han jie que xian mu biao jian ce suan fa ,bu shu dao qian ru shi AIping tai ,dui han jie biao mian tu xiang jin hang shi shi jian ce ,shi xian han jie zhi liang de shi shi zai xian jian ce ;
论文参考文献
论文详细介绍
论文作者分别是来自广西大学的黄旭丰,发表于刊物广西大学2019-10-14论文,是一篇关于焊接质量在线监测论文,数据增强论文,缺陷分类论文,目标检测论文,深度迁移学习论文,广西大学2019-10-14论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自广西大学2019-10-14论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。
标签:焊接质量在线监测论文; 数据增强论文; 缺陷分类论文; 目标检测论文; 深度迁移学习论文; 广西大学2019-10-14论文;