【技术实现步骤摘要】
本专利技术涉及缺陷检测领域，特别是涉及一种基于机器学习的船舶焊接缺陷检测方法、系统及设备。
技术介绍
1、舰船制造的数字化、智能化是中国军用船舶工业核心能力提升的根本途径和必由之路。特别是舰船制造中焊接质量的提升依然是关注的焦点，尽快提升其数字化管理和质量检测能力的需求越来越迫切。
2、近几年虽然开展了一些数字化应用，但与数字化智能化要求的实际生产环境的工作要求仍有较大差距，具体是图像数字化处理方法效果不佳、数字化判读方法不够精准等一些突出问题。当前基于机器学习的焊接缺陷自动检测技术还存在很多问题：焊接图像数据普遍存在数据不足、类别不均衡的情况。而机器学习模型通常需要大量的标注数据进行训练，但焊接缺陷数据集通常较少且难以获取，这导致模型的泛化能力受限，而某些特定的缺陷类型样本数量较少，这会导致神经网络模型倾向于预测数量较多的类别，而对于少数类别的缺陷检测效果较差。
技术实现思路
1、本专利技术的目的是提供一种基于机器学习的船舶焊接缺陷检测方法、系统及设备，能够提高缺陷检测的准确
2本文档来自技高网...
【技术保护点】
1.一种基于机器学习的船舶焊接缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于机器学习的船舶焊接缺陷检测方法，其特征在于，所述对预处理后的数据集中的图像进行下采样和分块处理，分别确定空间像素灰度熵值、像素梯度熵值和频谱熵值，具体包括：
3.根据权利要求1所述的一种基于机器学习的船舶焊接缺陷检测方法，其特征在于，所述获取船舶焊接缺陷检测的样本数据集；并对样本数据集进行特征增强和聚类，得到特征增强数据和聚类数据，具体包括：
4.根据权利要求1所述的一种基于机器学习的船舶焊接缺陷检测方法，其特征在于，所述目标检测模型为Y
...【技术特征摘要】
1.一种基于机器学习的船舶焊接缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于机器学习的船舶焊接缺陷检测方法，其特征在于，所述对预处理后的数据集中的图像进行下采样和分块处理，分别确定空间像素灰度熵值、像素梯度熵值和频谱熵值，具体包括：
3.根据权利要求1所述的一种基于机器学习的船舶焊接缺陷检测方法，其特征在于，所述获取船舶焊接缺陷检测的样本数据集；并对样本数据集进行特征增强和聚类，得到特征增强数据和聚类数据，具体包括：
4.根据权利要求1所述的一种基于机器学习的船舶焊接缺陷检测方法，其特征在于，所述目标检测模型为yolo网络。...
【专利技术属性】
技术研发人员：田宏伟，谭艾迪，尚大朋，翟雁，段聪昊，田睿，赵佳琳，
申请(专利权)人：中国船舶集团有限公司综合技术经济研究院，
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。