一种基于改进LeNet-5模型的焊缝缺陷识别方法技术

本发明专利技术公开了一种基于改进LeNet‑5模型的焊缝缺陷识别方法，首先针对焊缝灰度图像，对LeNet‑5模型传统卷积核通道的输入做出改进，将灰度图像通过伪彩色增强技术转换为彩色图像，并将得到的彩色图像作为神经网络的输入；然后对LeNet‑5模型卷积核做出改进，添加具有Gabor滤波器的卷积核通道；在神经网络第六层，将多个通道得到的特征进行融合，得到特征集合T；最后，在神经网络第七层(输出层)采用SoftMax分类器，得到焊缝的缺陷类型及其属于各类别的概率，用于为评片人员判定底片类型及现场返修方案制定提供参考。本发明专利技术提高神经网络特征提取能力，从而提高缺陷识别的正确率；识别结果以缺陷属于某种类别的概率给出，为评片人员提供了更从分的参考信息。

【技术实现步骤摘要】
一种基于改进LeNet-5模型的焊缝缺陷识别方法
本专利技术属于焊缝缺陷识别
，具体涉及一种基于改进LeNet-5模型的焊缝缺陷识别方法。
技术介绍
在焊缝缺陷自动识别领域，传统方法不可避免的要经历人工选取特征的过程，该过程耗时费力，而且特征的选取是否合理具有很大的主观性，对于识别正确率有较大影响。焊缝图像是灰度图像，将灰度图像直接输入到神经网络中，存在原始特征表征不够充分的问题。现有卷积神经网络往往依靠单一类型的卷积核进行卷积过程，容易导致特征提取不足的问题，从而影响缺陷识别的正确率。同时，目前由于相关政策规范，缺陷类型必须由评片人员判定，缺陷自动识别的结果仅作为评片人员的参考。目前自动识别算法多是仅给出一种最终的识别结果，缺乏结果概率的量化描述，评片人员可参考的价值有限，且不利于制定返修方案。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于改进LeNet-5模型的焊缝缺陷识别方法，避免了传统方法人工选取特征的过程；而且通过伪彩色变换技术扩充了神经网络输入的信息量，通过添加Gabor滤波器的卷积通道，使改进后神经网络既具有传统卷积核通道，又有Gabor滤波器通道，提高神经网络特征提取能力，从而提高缺陷识别的正确率；识别结果以缺陷属于某种类别的概率给出，为评片人员提供了更从分的参考信息。本专利技术采用以下技术方案：一种基于改进LeNet-5模型的焊缝缺陷识别方法，首先针对焊缝灰度图像，对LeNet-5模型传统卷积核通道的输入做出改进，将焊缝灰度图像通过伪彩色增强技术转换为彩色图像，并将得到的彩色图像作为神经网络传统卷积通道的输入；然后对LeNet-5模型卷积核做出改进，添加具有Gabor滤波器的卷积通道；在神经网络第六层，将两个通道得到的特征进行融合得到特征集合T；最后，在神经网络输出层采用SoftMax分类器，得到焊缝的缺陷类型及其属于各类别的概率，用于为评片人员判定底片类型及现场返修方案制定提供参考。具体的，将灰度图像通过伪彩色增强技术，对原始灰度图像进行RGB彩色变换，并将得到的彩色图像作为神经网络的输入具体如下：S101、获取包含裂纹、未融合、未焊透、长形或圆形缺陷类型的焊缝检测灰度图象；S102、将焊缝检测灰度图像进行RGB彩色空间变换，再输入到LeNet-5模型传统卷积核通道。进一步的，采用像素自身变换法实现灰度图像伪彩色变换，红、绿、蓝三分量的变换函数如下：其中，f(x,y)为灰度图像点(x,y)处的灰度值。具体的，在LeNet-5模型的基础上，构建具有不同方向的Gabor滤波器卷积通道，即在该通道第一层采用Gabor滤波器对输入图像进行卷积，针对焊缝缺陷边缘模糊的特点，采用Gabor滤波器对虚部进行特征提取。进一步的，采用Gabor滤波器对虚部进行特征提取具体如下：其中，x′＝xcosθ+sinθ；y′＝-xsinθ+cosθ；λ，θ，ψ，σ，γ分别为波长，方向，相位偏移，高斯函数的标准差和长宽比。进一步的，Gabor滤波器卷积通道的方向为0度、45度、90度和135度。具体的，构建具有7层结构且包括传统卷积核通道与Gabor滤波器通道的双通道神经网络模型，在神经网络第六层将各个通道得到的特征进行融合，获得双通道的特征集合T。具体的，采用SoftMax多类分类器，获得图像第i种缺陷对应的输出结果Yi的概率信息P(Y＝Yi)，得到基于概率形式的结果类型，为评片人员判定底片类型、现场返修方案制定提供参考。进一步的，概率信息P(Y＝Yi)的数学表达式如下所示：其中，Yi表示图像第i种缺陷对应的输出结果，i＝1,2,3,4,5,6，K为类别数。与现有技术相比，本专利技术至少具有以下有益效果：本专利技术一种基于改进LeNet-5模型的焊缝缺陷识别方法，首先针对焊缝灰度图像，对LeNet-5模型传统卷积核通道的输入做出改进，将灰度图像通过伪彩色增强技术转换为彩色图像，并将得到的彩色图像作为神经网络的输入；然后对LeNet-5模型卷积核做出改进，添加具有Gabor滤波器的卷积通道；在神经网络第六层，将多个通道得到的特征进行融合；最后将融合后的特征输入到SoftMax多类分类器中，得到焊缝的缺陷类型及其属于各类别的概率，用于为评片人员判定底片类型及现场返修方案制定提供参考，在将焊缝底片输入到神经网络前，对其进行了预处理，即将单通道的灰度图像转变为RGB三通道的彩色图像，扩充了输入图像的信息量；添加了具有Gabor核的卷积通道，增强了神经网络特征提取的能力，避免人工选取特征的过程，为评片人员判定缺陷类型提供更为充分的信息，为备选返修方案的制定提供参考。进一步的，彩色图像比灰度图像具有更为丰富的信息，尤其是在细节表征方面，将彩色图像作为神经网络的输入，增强了图像对焊缝内部缺陷的表达能力。进一步的，采用卷积神经网络对焊缝缺陷进行识别时，可以避免传统方法中人为的提取特征过程；由于原始焊缝图像为灰度图像，直接将其输入到神经网络中，存在原始焊缝缺陷信息表征不充分的问题，对神经网络的特征提取能力有较高的要求。进一步的，为了获取图像沿不同方向的特征，同时也为了避免方向选择过多所导致的特征冗余的问题，选择方向为0度、45度、90度和135度方向的滤波器进行特征提取。进一步的，通过传统卷积核和与Gabor滤波器卷积核结构不同，相应的可提取到不同的特征，采用双通道神经网络模型，增强了模型的特征提取能力；将各个通道得到的特征进行融合，获得双通道的特征集合T，使得提取到的图像特征更为全面。进一步的，采用SoftMax多类分类器，获得了缺陷类型及其概率，为评片人员提供了更从分的参考信息。下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。附图说明图1为本专利技术步骤图；图2为本专利技术神经网络模型图；图3为原始焊缝图像在LeNet-5模型上不同迭代次数下识别正确率图；图4为伪彩色增强后图像在LeNet-5模型上不同迭代次数下识别正确率图；图5为伪彩色增强后图像在改进后LeNet-5模型上不同迭代次数下识别正确率图。具体实施方式本专利技术提供了一种基于改进LeNet-5模型的焊缝缺陷识别方法，针对焊缝灰度图像，对LeNet-5模型传统卷积核通道的输入做出改进，即将灰度图像通过伪彩色增强技术，转换为彩色图像，并将得到的彩色图像作为神经网络的输入；对LeNet-5模型卷积核做出改进，添加具有Gabor滤波器的卷积通道，并在神经网络第六层，将多个通道得到的特征进行融合；在输出层采用SoftMax多类分类器，得到焊缝的缺陷属于各类别的概率。请参阅图1，本专利技术一种基于改进LeNet-5模型的焊缝缺陷识别方法，包括以下步骤：S1、针对焊缝灰度图像，对LeNet-5模型的传统卷积核通道的输入做出改进，即将灰度图像通过伪彩色增强技术，对原始灰度图像进行RGB彩色变换，并将得到的彩色图像作为神经网络传统卷积通道的输入；S101、获取包含缺陷类型(如裂纹、未融合、未焊透、长形缺陷、圆形缺陷等)焊缝检测灰度图象；S102、提出将焊缝灰度图像进行RGB彩色空间变换，使得图像具有比原始灰度图像更多的信息，再输入到LeNet-5模型传统卷积核通道。其中采用像素自身变换法实现灰度图像伪彩色变换，红、绿、蓝三分量的变换函数如下所示：本文档来自技高网...

【技术保护点】
1.一种基于改进LeNet‑5模型的焊缝缺陷识别方法，其特征在于，首先针对焊缝灰度图像，对LeNet‑5模型传统卷积核通道的输入做出改进，将焊缝灰度图像通过伪彩色增强技术转换为彩色图像，并将得到的彩色图像作为神经网络传统卷积通道的输入；然后对LeNet‑5模型卷积核做出改进，添加具有Gabor滤波器的卷积通道；在神经网络第六层，将两个通道得到的特征进行融合得到特征集合T；最后，在神经网络输出层采用SoftMax分类器，得到焊缝的缺陷类型及其属于各类别的概率，用于为评片人员判定底片类型及现场返修方案制定提供参考。

【技术特征摘要】
1.一种基于改进LeNet-5模型的焊缝缺陷识别方法，其特征在于，首先针对焊缝灰度图像，对LeNet-5模型传统卷积核通道的输入做出改进，将焊缝灰度图像通过伪彩色增强技术转换为彩色图像，并将得到的彩色图像作为神经网络传统卷积通道的输入；然后对LeNet-5模型卷积核做出改进，添加具有Gabor滤波器的卷积通道；在神经网络第六层，将两个通道得到的特征进行融合得到特征集合T；最后，在神经网络输出层采用SoftMax分类器，得到焊缝的缺陷类型及其属于各类别的概率，用于为评片人员判定底片类型及现场返修方案制定提供参考。2.根据权利要求1所述的一种基于改进LeNet-5模型的焊缝缺陷识别方法，其特征在于，将灰度图像通过伪彩色增强技术，对原始灰度图像进行RGB彩色变换，并将得到的彩色图像作为神经网络传统卷积通道的输入，具体如下：S101、获取包含裂纹、未融合、未焊透、长形或圆形缺陷类型的焊缝检测灰度图象；S102、将焊缝检测灰度图像进行RGB彩色空间变换，再输入到LeNet-5模型传统卷积核通道。3.根据权利要求2所述的一种基于改进LeNet-5模型的焊缝缺陷识别方法，其特征在于，采用像素自身变换法实现灰度图像伪彩色变换，红、绿、蓝三分量的变换函数如下：其中，f(x,y)为灰度图像点(x,y)处的灰度值。4.根据权利要求1所述的一种基于改进LeNet-5模型的焊缝缺陷识别方法，其特征在于，在LeNet-5模型的基础上，构建具有不同方向的Gabor滤波器...

【专利技术属性】
技术研发人员：姜洪权，高建民，高智勇，王昭，王荣喜，贺帅，昌亚胜，程雷，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西,61