奥氏体不锈钢焊缝超声相控阵检测图像智能分类

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...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:湖北工业大学学报 2022, Vol.37 (5), p.43-46
Hauptverfasser: 张雨航, 张旭, 付丽敏
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 46
container_issue 5
container_start_page 43
container_title 湖北工业大学学报
container_volume 37
creator 张雨航
张旭
付丽敏
description 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.
doi_str_mv 10.3969/j.issn.1003-4684.2022.05.009
format Article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_hubeigxyxb202205009</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>hubeigxyxb202205009</wanfj_id><sourcerecordid>hubeigxyxb202205009</sourcerecordid><originalsourceid>FETCH-wanfang_journals_hubeigxyxb2022050093</originalsourceid><addsrcrecordid>eNpjYFAxNNAztjSz1M_SyywuztMzNDAw1jUxszDRMzIwMtIzMNUzMLBkYeCEi3Mw8BYXZyYZGBgamBpYGppzMtg_Xbr02Yb-J3snP9nR-3JKx8tJi563dD3fM_fFttanizc8n73jWd_ylzO2Plvc8Gxr99PZ-5429z-buetF896nHW3PN-7mYWBNS8wpTuWF0twM2m6uIc4euuWJeWmJeenxWfmlRXlAmfiM0qTUzPSKyookkOOA9htYGpOmGgASYl1T</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>奥氏体不锈钢焊缝超声相控阵检测图像智能分类</title><source>国家哲学社会科学学术期刊数据库 (National Social Sciences Database)</source><creator>张雨航 ; 张旭 ; 付丽敏</creator><creatorcontrib>张雨航 ; 张旭 ; 付丽敏</creatorcontrib><description>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.</description><identifier>ISSN: 1003-4684</identifier><identifier>DOI: 10.3969/j.issn.1003-4684.2022.05.009</identifier><language>chi</language><publisher>湖北工业大学机械工程学院,湖北武汉430068%湖北省现代制造质量工程重点实验室,湖北武汉430068</publisher><ispartof>湖北工业大学学报, 2022, Vol.37 (5), p.43-46</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/hubeigxyxb/hubeigxyxb.jpg</thumbnail><link.rule.ids>314,780,784,4024,27923,27924,27925</link.rule.ids></links><search><creatorcontrib>张雨航</creatorcontrib><creatorcontrib>张旭</creatorcontrib><creatorcontrib>付丽敏</creatorcontrib><title>奥氏体不锈钢焊缝超声相控阵检测图像智能分类</title><title>湖北工业大学学报</title><description>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.</description><issn>1003-4684</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2022</creationdate><recordtype>article</recordtype><recordid>eNpjYFAxNNAztjSz1M_SyywuztMzNDAw1jUxszDRMzIwMtIzMNUzMLBkYeCEi3Mw8BYXZyYZGBgamBpYGppzMtg_Xbr02Yb-J3snP9nR-3JKx8tJi563dD3fM_fFttanizc8n73jWd_ylzO2Plvc8Gxr99PZ-5429z-buetF896nHW3PN-7mYWBNS8wpTuWF0twM2m6uIc4euuWJeWmJeenxWfmlRXlAmfiM0qTUzPSKyookkOOA9htYGpOmGgASYl1T</recordid><startdate>2022</startdate><enddate>2022</enddate><creator>张雨航</creator><creator>张旭</creator><creator>付丽敏</creator><general>湖北工业大学机械工程学院,湖北武汉430068%湖北省现代制造质量工程重点实验室,湖北武汉430068</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2022</creationdate><title>奥氏体不锈钢焊缝超声相控阵检测图像智能分类</title><author>张雨航 ; 张旭 ; 付丽敏</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-wanfang_journals_hubeigxyxb2022050093</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2022</creationdate><toplevel>online_resources</toplevel><creatorcontrib>张雨航</creatorcontrib><creatorcontrib>张旭</creatorcontrib><creatorcontrib>付丽敏</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>湖北工业大学学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>张雨航</au><au>张旭</au><au>付丽敏</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>奥氏体不锈钢焊缝超声相控阵检测图像智能分类</atitle><jtitle>湖北工业大学学报</jtitle><date>2022</date><risdate>2022</risdate><volume>37</volume><issue>5</issue><spage>43</spage><epage>46</epage><pages>43-46</pages><issn>1003-4684</issn><abstract>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.</abstract><pub>湖北工业大学机械工程学院,湖北武汉430068%湖北省现代制造质量工程重点实验室,湖北武汉430068</pub><doi>10.3969/j.issn.1003-4684.2022.05.009</doi></addata></record>
fulltext fulltext
identifier ISSN: 1003-4684
ispartof 湖北工业大学学报, 2022, Vol.37 (5), p.43-46
issn 1003-4684
language chi
recordid cdi_wanfang_journals_hubeigxyxb202205009
source 国家哲学社会科学学术期刊数据库 (National Social Sciences Database)
title 奥氏体不锈钢焊缝超声相控阵检测图像智能分类
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2024-12-25T03%3A21%3A11IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%A5%A5%E6%B0%8F%E4%BD%93%E4%B8%8D%E9%94%88%E9%92%A2%E7%84%8A%E7%BC%9D%E8%B6%85%E5%A3%B0%E7%9B%B8%E6%8E%A7%E9%98%B5%E6%A3%80%E6%B5%8B%E5%9B%BE%E5%83%8F%E6%99%BA%E8%83%BD%E5%88%86%E7%B1%BB&rft.jtitle=%E6%B9%96%E5%8C%97%E5%B7%A5%E4%B8%9A%E5%A4%A7%E5%AD%A6%E5%AD%A6%E6%8A%A5&rft.au=%E5%BC%A0%E9%9B%A8%E8%88%AA&rft.date=2022&rft.volume=37&rft.issue=5&rft.spage=43&rft.epage=46&rft.pages=43-46&rft.issn=1003-4684&rft_id=info:doi/10.3969/j.issn.1003-4684.2022.05.009&rft_dat=%3Cwanfang_jour%3Ehubeigxyxb202205009%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=hubeigxyxb202205009&rfr_iscdi=true