[发明专利]一种基于卷积神经网络的搅拌摩擦焊缝缺陷识别方法

摘要

本发明提出了一种基于卷积神经网络的搅拌摩擦焊缝缺陷识别方法，属于搅拌摩擦焊缝缺陷识别处理技术领域。所述方法包括：步骤一、原始数据处理；步骤二、添加缺陷标签；步骤三、构建卷积神经网络；步骤四、训练卷积神经网络。所述搅拌摩擦焊缝缺陷识别方法具有经济、快速、准确、鲁棒性高等特点，显著提高搅拌摩擦焊缝缺陷识别效率等特点。

主权项

1.一种基于卷积神经网络的搅拌摩擦焊缝缺陷识别方法，其特征在于，所述搅拌摩擦焊缝缺陷识别方法包括：步骤一、原始数据处理：剪除原始超声图像边缘与焊接无关的内容，剪除的部分包括背景区域和母材区域，同时除去原始超声图像的冗余信息，获得处理后超声图像数据；步骤二、添加缺陷标签：在步骤一获得的处理后超声图像中比标定缺陷所在的位置，并将位置结果标签化，获得标签化结果数据；步骤三、构建卷积神经网络：所述卷积神经网络结构采用VGG架构，包括5个卷积段、5个池化段和2个全连接段；所述5个卷积段分别为第一卷积阶段、第二卷积阶段、第三卷积阶段、第四卷积阶段和第五卷积阶段；所述2个全连接段分别为第一全连接层和第二全连接层；所述第一卷积阶段为卷积层Conv[1]_1,卷积层Conv[1]_2，分别使用64个卷积核，后跟批标准化层非线性激活层和第一池化层；所述第二卷积阶段为卷积层Conv[2]_1，卷积层Conv[2]_2，分别使用128个卷积核，后跟批标准化层非线性激活层和第二池化层；所述第三卷积阶段为卷积层Conv[3]_1，卷积层Conv[3]_2，卷积层Conv[3]_3，分别使用256个卷积核，后跟批标准化层非线性激活层和第三池化层；所述第四卷积阶段为卷积层Conv[4]_1，卷积层Conv[4]_2，卷积层Conv[4]_3，分别使用512个卷积核，后跟批标准化层非线性激活层和第四池化层；所述第五卷积阶段为卷积层Conv[5]_1，卷积层Conv[5]_2，卷积层Conv[5]_3，分别使用512个卷积核，后跟批标准化层非线性激活层和第五池化层，经过第一全连接层和第二全连接层，通过softmax函数获得缺陷位置标签预测值，从而实现搅拌摩擦焊缺陷识别；步骤四、训练卷积神经网络：将步骤一和步骤二分别获得的所述处理后超声图像数据和标签化结果数据分别作为输入值和输出值训练所述卷积神经网络，获得训练后的卷积神经网络，通过所述训练后的卷积神经网络实现高鲁棒性的缺陷识别。