基于EC双流模型的焊接缺陷图像识别

作者：陈琳; 陈英蓉; 庞再军; 刘冠良; 潘海鸿^*

来源：组合机床与自动化加工技术, 2022, (01): 94-97.

DOI：10.13462/j.cnki.mmtamt.2022.01.021

• 焊接缺陷识别
• 深度学习
• 卷积神经网络
• X射线图像

由于焊缝缺陷X射线图像背景较为复杂,造成识别准确率及效率低。为提高缺陷识别准确率,提出一个由并行EfficientNet网络为基本框架的粗-细两阶段EC双流模型。该模型通过CBAM注意力机制提高网络的局部特征注意力,获取更加丰富的焊接缺陷细特征信息,并将其与提取原始粗特征结合输入全连接层,以更加精确实现焊接缺陷的分类;为降低训练参数、模型过拟合现象以及提高模型泛化性能,并利用全局平均池化层GAP和BN算法优化整个训练过程;此外,在小孔、夹渣、未焊透和裂纹等焊接缺陷数据集上,将EC双流模型与VGG16、BCNN(VGG16)、Xception进行对比实验。实验结果表明,以EfficientNet作为基础网络的EC双流模型的分类识别结果的平均F1为99.1%,平均精度为99.4%,平均准确率可达99.13%。该模型有效实现焊接缺陷的检测与分类,可减小误判率。

• 单位
  广西大学