-
题名基于深度网络跨层特征融合的氩弧焊点分类
被引量:1
- 1
-
-
作者
王贲武
黄峰
-
机构
中国计量大学计量测试工程学院
-
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2022年第4期1011-1019,共9页
-
基金
浙江省自然科学基金资助项目(LY20E050013)。
-
文摘
传统卷积神经网络是通过由浅入深的特征提取,构建分类器进行图像分类,该方式容易忽略浅层特征。对工业过程收集的氩弧焊点图像,基于AlexNet网络进行修改,提出一种增强的AlexNet(en-AlexNet)网络,该方法使用批归一化进行数据归一化,引入跨连结构同时进行灵敏性分析,并嵌入Inception模块进行多尺度深度特征提取,将深层特征与浅层特征进行融合,最后使用softmax分类器来判别焊点是否合格。最终平均分类准确度达到98.13%,优于传统的支持向量机方法和其他的典型卷积神经网络模型。另外,模型的参数量、收敛速度和平均召回率均优于其他典型的卷积神经网络。结果验证了所提en-AlexNet网络在焊点的多类别分类上的有效性。
-
关键词
改进AlexNet网络
跨连结构
特征融合图像分类
可视化分析
卷积神经网络
焊接点
-
Keywords
improved AlexNet network
cross-connect structure
feature fusion
image classification
visual analysis
convolutional neural network
welding spot
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-