基于卷积神经网络的焊缝缺陷图像分类研究

• 作 者: 谷静 张可帅 朱漪曼
• 机 构: 西安邮电大学电子工程学院
• 出 处: 应用光学
• 发表日期: 2020年03期
• 关键词: 深度学习 卷积神经网络 焊缝缺陷分类 不平衡 深度卷积对抗生成网络 deep learningconvolutional neural networkweld
• 基金项目: 陕西省自然科学基础研究计划(2018JM6106)

为有效地对焊缝缺陷进行分类,从而判断焊接质量的等级,对传统卷积神经网络进行改进,提出一种多尺度压缩激励网络模型(SINet)。将4组两两串联的3×3卷积模块与Inception模块、压缩激励模块(SE block)相结合。通过多尺度压缩激励模块(SI module)将卷积层中的特征进行多尺度融合和特征重标定以提高分类准确率,并用全局平均池化层代替全连接层减少模型参数。此外考虑到焊接缺陷数量不平衡对准确率的影响,采用深度卷积对抗生成网络(DCGAN)进行数据集的平衡处理,并在该数据集上验证模型的有效性