典型文献
基于卷积神经网络的X射线焊缝缺陷检测算法研究
文献摘要：
为了提高焊缝无损缺陷检测的性能,对无损检测方法及基于人工智能的工业视觉检测方法进行了研究,提出了基于卷积神经网络的焊缝缺陷自动检测算法.首先,对焊缝缺陷数据集进行分析,总结出焊缝缺陷数据的分布特征.其次,根据焊缝缺陷尺度差别巨大、宽高比分布范围较大等特征,在特征提取的过程中引入了不同空洞率的空洞卷积,以扩大感受野、提升大尺度缺陷的检测性能.最后,基于空洞卷积和无锚框检测框架设计了缺陷自动检测算法DRepDet.该检测算法可检测的缺陷种类达到7种,而其他大部分算法只能检测到不超过5种缺陷.试验结果表明,扩大感受野可以有效提高大缺陷的检测性能,使用组合空洞率的DRepDet的AP 50提升了1.4％、Recall50提升了2.9％,同时几乎不影响小缺陷的检测性能.
文献关键词：
液化天燃气;无损检测;深度学习;卷积神经网络;焊缝缺陷;空洞卷积;目标检测;感受野
中图分类号：
作者姓名：
肖文凯;南水鱼;张琳琳
作者机构：
上海万物智允工业科技有限责任公司,上海 201612;申能(集团)有限公司,上海 201103
文献出处：
引用格式：
[1]肖文凯;南水鱼;张琳琳-.基于卷积神经网络的X射线焊缝缺陷检测算法研究)[J].自动化仪表,2022(08):67-72
A类：
DRepDet,Recall50,液化天燃气
B类：
焊缝缺陷检测,检测算法,算法研究,无损检测方法,工业视觉,视觉检测,自动检测,对焊,缺陷数据,尺度差,宽高比,分布范围,空洞率,空洞卷积,感受野,大尺度,检测性能,无锚框检测,检测框架,框架设计,AP,小缺陷,目标检测
AB值：
0.241755
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。
