奥氏体不锈钢焊缝超声相控阵检测图像智能分类
TP183; 奥氏不锈钢焊缝的粗晶粒以及材料各向异性,导致超声检测图像信噪比较低,人工检测判断缺陷存在困难.分别使用InceptionV3、ResNet50、DenseNet121和MobileNetV2卷积神经网络来进行奥氏不锈钢焊缝相控阵B扫图像的自动分类.实验结果表明,大型卷积神经网络分类准确率高,ResNet50和DenseNet121在测试集上的分类准确度达到100%,Inception V3达99.8%,但轻量化的卷积神经网络MobileNetV2的准确率只有90.8%,存在严重过拟合.通过改进轻量化卷积神经网络MobileNetV2的训练方式,并引入Dropout层,可以保证分类...
Gespeichert in:
Veröffentlicht in: | 湖北工业大学学报 2022, Vol.37 (5), p.43-46 |
---|---|
Hauptverfasser: | , , |
Format: | Artikel |
Sprache: | chi |
Online-Zugang: | Volltext |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Zusammenfassung: | TP183; 奥氏不锈钢焊缝的粗晶粒以及材料各向异性,导致超声检测图像信噪比较低,人工检测判断缺陷存在困难.分别使用InceptionV3、ResNet50、DenseNet121和MobileNetV2卷积神经网络来进行奥氏不锈钢焊缝相控阵B扫图像的自动分类.实验结果表明,大型卷积神经网络分类准确率高,ResNet50和DenseNet121在测试集上的分类准确度达到100%,Inception V3达99.8%,但轻量化的卷积神经网络MobileNetV2的准确率只有90.8%,存在严重过拟合.通过改进轻量化卷积神经网络MobileNetV2的训练方式,并引入Dropout层,可以保证分类准确度达到100%,并且减小了大量网络参数,更利于移动端的应用. |
---|---|
ISSN: | 1003-4684 |
DOI: | 10.3969/j.issn.1003-4684.2022.05.009 |