| 基于AP聚类和深度卷积网络的船舶焊缝缺陷检测 |
| |
| 引用本文： | 张人杰,陈卫彬,孙宏伟,杨维姝,袁明新.基于AP聚类和深度卷积网络的船舶焊缝缺陷检测[J].船舶工程,2021,43(8):131-137. |
| |
| 作者姓名： | 张人杰 陈卫彬 孙宏伟 杨维姝 袁明新 |
| |
| 作者单位： | 江苏科技大学(张家港校区)机电与动力工程学院,江苏张家港215600;江苏自动化研究所,江苏连云港 222006;江苏科技大学(张家港校区)冶金与材料工程学院,江苏张家港215600 |
| |
| 摘 要： | 针对船舶焊缝缺陷检测中存在定位困难和识别效率低问题,提出基于AP聚类和深度卷积神经网络的检测方法.采用基于距离最值的M-SMOTE算法进行焊缝样本不平衡数据集处理,实现少数类新样本的精细化生成,并提出基于AP聚类的深度卷积神经网络模型.模型先基于几何特征、强度特征和背景对比反差进行11个焊缝缺陷特征提取和AP聚类,并将聚类结果作为神经网络输入;采用自适应PCA法对网络进行降维,在保证识别准确率的基础上,通过参数化方法简化降维步骤.试验表明,在通用焊缝数据集上,文中模型的识别率高达98.87％,与准确率较高的VGG模型相比,训练时间缩短12.10％,模型存储减小11.94％;在船舶焊缝数据集上,文中模型的总体识别率达到98.00％,对比准确率较高的DNN模型,其准确率提高了 3.33％.
|
| 关 键 词： | 船舶焊缝 缺陷检测 卷积神经网路 聚类分析 降维 |
Ship Weld Defect Detection Based on AP Clustering and Deep Convolutional Network |
| |
| ZHANG Renjie,CHEN Weibin,SUN Hongwei,YANG Weishu,YUAN Mingxin.Ship Weld Defect Detection Based on AP Clustering and Deep Convolutional Network[J].Ship Engineering,2021,43(8):131-137. |
| |
| Authors: | ZHANG Renjie CHEN Weibin SUN Hongwei YANG Weishu YUAN Mingxin |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
