【技术实现步骤摘要】
一种基于深度学习的HF-ERW焊接状态检测方法及装置
本专利技术涉及焊接状态检测
，尤其涉及一种基于深度学习的HF-ERW(HighFrequencyElectricResistanceWelding，高频电阻焊)焊接状态检测方法及装置。
技术介绍
石油、天然气等能源的管道运输是我国五大运输产业之一，对国民经济起着非常重要的作用，被称为“能源血脉”。电阻焊ERW直缝焊接管道在油气输送、城市燃气管线领域得到了广泛的应用，和其他管道相比，其具有成本低、使用稳定性高等诸多优点，在国内外越来越受到重视。据了解，在发达国家直缝焊接管道不仅在陆上油气输送管道工程中广泛应用，而且已在海底油气输送管道工程中被广泛采用，近年来甚至开创了在北极地区管道工程及在深井管工程的应用记录。因此，直缝焊接管道的质量稳定性对于陆地、海洋和深井油气输送的安全、乃至国家能源的安全都有着至关重要的意义。目前国内几乎所有的直缝焊接管道生产厂家的设备尚不具备实时在线成型质量完备的检测控制装备，使得生产中参数控制不准确，影响了焊接的合格率，从而影响了其使用性能。近年来，相关研究发现：“ERW直缝焊接成...
【技术保护点】
1.一种基于深度学习的HF‑ERW焊接状态检测方法，其特征在于，所述方法包括：输入多幅HF‑ERW焊接状态图像，并进行批量预处理，获取HF‑ERW焊接状态图像数据集；建立基于卷积神经网络CNN的图像分类模型；对HF‑ERW焊接状态图像数据集中的样本图像数据进行焊接质量状态标记，以生成HF‑ERW焊接质量状态数据集；将图像分类模型的卷积层和池化层迁移到HF‑ERW焊接质量状态数据集上；从HF‑ERW焊接质量状态数据集选取部分样本图像数据作为训练集，将训练集中的样本图像数据输入图像分类模型进行训练，获取预测分类结果；每完成一次训练后，调整图像分类模型的参数；每完成预定次数的训练...
【技术特征摘要】
1.一种基于深度学习的HF-ERW焊接状态检测方法，其特征在于，所述方法包括：输入多幅HF-ERW焊接状态图像，并进行批量预处理，获取HF-ERW焊接状态图像数据集；建立基于卷积神经网络CNN的图像分类模型；对HF-ERW焊接状态图像数据集中的样本图像数据进行焊接质量状态标记，以生成HF-ERW焊接质量状态数据集；将图像分类模型的卷积层和池化层迁移到HF-ERW焊接质量状态数据集上；从HF-ERW焊接质量状态数据集选取部分样本图像数据作为训练集，将训练集中的样本图像数据输入图像分类模型进行训练，获取预测分类结果；每完成一次训练后，调整图像分类模型的参数；每完成预定次数的训练后，根据样本图像数据的预测分类结果与分类标签统计结果计算损失值，当损失值小于预设值时停止训练；将待检测的HF-ERW焊接状态图像输入图像分类模型，获取分类结果。2.根据权利要求1所述的方法，其特征在于，所述图像分类模型采用Matconvnet平台下的imagenet-vgg-f模型。3.根据权利要求2所述的方法，其特征在于，所述方法包括：采用同构空间下的模型特征迁移学习算法进行迁移，获取imagenet-vgg-f图像分类模型上预训练好的卷积部分输出，利用卷积部分的输出来产生具有四个分类输出的第八全连接层，再将imagenet-vgg-f图像分类模型中的特征部分参数迁移与第八全连接层对接起来形成一个完整的基于卷积神经网络CNN的图像分类模型。4.根据权利要求1所述的方法，其特征在于，所述调整图像分类模型的参数包括正向传播过程：将m个输入样本图像中的一个表示为(xl,yl)，则正向传播过程包括计算每个卷积层的神经元，计算公式为：其中，l表示输入的层数，输入特征向量，Mj为上一层中可选特征的集合，wl为滤波器的权值，为滤波器的偏置项，f(.)为sigmoid函数，yl为该样本标记好真正的类别。5.根据权利要求4所述的方法，其特征在于，所述调整图像分类模型...
【专利技术属性】
技术研发人员：王会峰，魏飞婷，柴彩萍，王孝贤，郭健，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。