典型文献
基于主动小样本学习的管道焊缝缺陷检测方法
文献摘要：
基于X射线探伤的焊缝缺陷检测是维护管道安全的关键环节,实现高精度、高效率的缺陷智能检测是推动无损检测智能化、现代化的重要方面.目前,基于深度学习的缺陷检测方法很难达到较高的精度和效率,因其需要大量标注样本且难以获取.针对这一问题,提出了一种基于主动小样本学习的管道焊缝缺陷检测方法.首先,基于轻量级神经网络提取小样本特征,以数据驱动的方式训练缺陷检测器;然后,推理无标签样本计算检测及分类不确定度并充分挖掘价值样本;最后,根据高价值样本微调网络参数,以最小的成本获得较高的性能提升.实验结果表明,方法能够利用更少的样本,在保证运行效率的前提下,提高约8％的精度.
文献关键词：
X射线检测;深度学习;主动小样本学习;价值样本挖掘
中图分类号：
作者姓名：
刘金海;赵真;付明芮;左逢源;王雷
作者机构：
东北大学信息科学与工程学院 沈阳 110004;沈阳派得林科技有限责任公司 沈阳 110000
文献出处：
引用格式：
[1]刘金海;赵真;付明芮;左逢源;王雷-.基于主动小样本学习的管道焊缝缺陷检测方法)[J].仪器仪表学报,2022(11):252-261
A类：
主动小样本学习,价值样本挖掘
B类：
管道焊缝,焊缝缺陷检测,缺陷检测方法,射线探伤,护管,管道安全,智能检测,无损检测,轻量级神经网络,样本特征,检测器,无标签样本,不确定度,高价值,微调网络,网络参数,性能提升,射线检测
AB值：
0.245275
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
