一种基于卷积神经网络的X射线焊缝缺陷检测方法

摘要

本发明为一种基于卷积神经网络的X射线焊缝缺陷检测方法，该检测方法包括以下内容：建立包含不同种类焊缝缺陷的焊缝图像数据集，数据集中所有焊缝图片标注焊缝标签；建立AF‑RCNN模型，AF‑RCNN模型包括主干网络模块、区域生成模块和目标分类与位置回归模块；所述主干网络模块采用残差网络(ResNet)与特征金字塔网络(FPN)结构，并在残差网络(ResNet)与特征金字塔网络(FPN)之间引入高效卷积注意力模块，以增强网络对不明显缺陷和小目标特征的学习能力，同时引入CIOU损失函数，增强瞄框的定位能力；利用建立的数据集训练AF‑RCNN模型，用于焊缝缺陷的分类与定位。所有的缺陷准确率均达到94％以上，检测速度为11.65FPS。