【技术实现步骤摘要】
基于卷积置信生成对抗网络模型的船舶焊缝缺陷检测方法
[0001]本专利技术属于模式识别
,涉及基于X射线图像的船舶焊缝缺陷检测技术,尤其涉及一种基于卷积置信生成对抗网络模型的船舶焊缝缺陷检测方法。
技术介绍
[0002]焊接是船舶建造的主要工艺,但由于焊接过程是一个多因素耦合的复杂相变过程,极易受到外部环境和人为因素的干扰,在焊缝成型过程中通常会产生夹渣、裂纹、气孔、未焊透等难以预测的焊接缺陷,这些缺陷会严重降低焊接构件的机械性能,从而对船舶关键零部件的安全性能往往造成很大的不利影响。为了及时发现焊缝存在的缺陷,焊接缺陷无损检测成为了主要技术手段,而X射线无损检测技术以其无损、精准、快捷等优点在实际焊接缺陷检测过程中得到了广泛应用。
[0003]随着计算机视觉的发展,基于X射线图像的焊缝缺陷检测技术得到了快速发展和应用。现有的焊缝缺陷检测大致分为两类:基于数字图像处理以及基于机器学习的缺陷检测。前者包括:基于Canny算子的边缘提取、基于局部特征提取、基于OSTU的边缘检测等,这些方法普遍存在易受噪音、相似背景颜色及多种缺陷混杂的影响;后者包括:人工神经网络、支持向量机等,然而其学习性能十分依赖于样本库对缺陷的代表能力,以及学习模型的准确程度。
[0004]得益于大数据的发展和强大计算能力的提升,深度学习因具有特征自动学习优点,并能通过将学习融入到模型建立过程中来减少人为设计特征可能,已成为当前焊缝缺陷识别领域的热点机器学习方法,尤其在船舶焊缝缺陷检测中也开始尝试使用,但该方法十分依赖数据集,在 ...
【技术保护点】
【技术特征摘要】
1.一种基于卷积置信生成对抗网络模型的船舶焊缝缺陷检测方法,其特征在于,所述方法包括以下步骤:步骤1,获取若干船舶焊缝图像,构建焊缝数据集;步骤2,构建卷积置信生成对抗网络模型;步骤3,利用焊缝数据集训练卷积置信生成对抗网络模型,生成用于焊缝缺陷检测的卷积置信生成对抗网络模型;步骤4,采集待检测船舶焊缝的图像,利用训练好的卷积置信生成对抗网络模型进行焊缝缺陷检测。2.根据权利要求1所述的基于卷积置信生成对抗网络模型的船舶焊缝缺陷检测方法,其特征在于,步骤2所述构建卷积置信生成对抗网络模型,具体为:将深度卷积置信神经网络作为生成对抗网络的生成器G和判别器D。3.根据权利要求2所述的基于卷积置信生成对抗网络模型的船舶焊缝缺陷检测方法,其特征在于,所述深度卷积置信神经网络包括5个卷积层、2个全连接层和1个置信层,输入图像依次经过5个卷积层、2个全连接层后,通过置信层输出。4.根据权利要求3所述的基于卷积置信生成对抗网络模型的船舶焊缝缺陷检测方法,其特征在于,所述置信层的基本组成单元为受限波尔茨曼机RBM,受限波尔茨曼机包括可见层和隐含层,上一个RBM的隐含层即为下一个RBM的可见层,上一个RBM的输出即为下一个RBM的输入;可见层包括若干个显性神经元,简称为显元,单个显元用v
i
表示;隐含层包括若干个隐性神经元,简称为隐元,单个隐元用h
i
表示,i=1,2,3
…
;受限波尔茨曼机的能量函数表示为:E(v,y,h)=
‑
h
T
Wv
‑
a
T
v
‑
b
T
h
‑
c
T
y
‑
h
T
Uy式中,v=(v1,v2,
…
,v
m
),h=(h1,h2,
…
,h
k
)和y=(y1,y2,
…
,y
p
)分别表示可见层、隐含层和输出层的状态,m、k、p分别为可见层、隐含层和输出层的神经元个数;θ={W,a,b,c,U}是训练中需要学习的结构参数,W为可见层节点和隐含层节点的连接权重;a为...
【专利技术属性】
技术研发人员:邵奇,孙宏伟,刘超,张本顺,廖良闯,孟祥慈,王纪潼,张人杰,袁明新,杨秋林,
申请(专利权)人:国机工业互联网研究院河南有限公司,
类型:发明
国别省市:
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。