[发明专利]一种基于深度学习的焊接模拟器虚拟焊缝缺陷检测方法在审
| 申请号： | 201910831729.6 | 申请日： | 2019-09-04 |
| 公开（公告）号： | CN110675370A | 公开（公告）日： | 2020-01-10 |
| 发明（设计）人： | 周强;潘黎;王敏 | 申请（专利权）人： | 武汉理工大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06N3/04;G06N3/08;G01N21/88 |
| 代理公司： | 42104 武汉开元知识产权代理有限公司 | 代理人： | 潘杰 |
| 地址： | 430070 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的焊接模拟器虚拟焊缝缺陷检测方法，采用卷积神经网络CNN实现虚拟焊缝缺陷检测，所述卷积神经网络CNN包括从上至下的输入层、卷积层、激励层、池化层、全连接层，相邻两个层之间，上一层的输出值作为下一层的输入值属于焊缝检测技术领域，提供了一种基于深度学习的焊接模拟器虚拟焊缝缺陷检测方法。首先，在分析采集数据特征的基础上，设计焊缝图像的识别算法，对图像进行灰度化处理和分割处理，将焊缝区域和非焊缝区域显著的分开；其次，构建深度学习网络并对收集到的数据集进行扩充；最后，利用训练学习框架对缺陷特征进行识别训练。 | ||
| 搜索关键词： | 焊缝缺陷 卷积神经网络 模拟器 焊缝区域 虚拟 焊接 检测 灰度化处理 采集数据 从上至下 分割处理 焊缝检测 焊缝图像 缺陷特征 识别训练 训练学习 激励层 连接层 输入层 数据集 池化 构建 卷积 算法 学习 图像 输出 分析 网络 | ||
【主权项】：
1.一种基于深度学习的焊接模拟器虚拟焊缝缺陷检测方法，其特征在于：采用卷积神经网络CNN实现虚拟焊缝缺陷检测，所述卷积神经网络CNN包括从上之下的输入层、卷积层、激励层、池化层、全连接层，相邻两个层之间，上一层的输出值作为下一层的输入值，包括：/n步骤1，对存储器中的训练集I中的图像进行预处理：对图像进行灰度化处理，分割焊缝，获取优化后的类间方差和最佳阈值，构建卷积神经网络模型；/n步骤2，对所述卷积神经网络CNN进行训练，训练步骤包括：/n步骤21，将所述训练集I中的图像进行像素大小调整处理，将图像中选定区域转化为188x116的像素大小，将输入数据各个维度均中心化到原点；/n步骤22，对输入层输入的图像进行卷积计算，通过Relu激活函数输出特征图对应的计算公式为/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉理工大学，未经武汉理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910831729.6/，转载请声明来源钻瓜专利网。
