一种基于改进卷积神经网络的焊缝缺陷识别方法

摘要

本发明公开了一种基于改进卷积神经网络的焊缝缺陷识别方法，建立综合考虑池化域与其所在特征图特征分布的池化模型，引入修正因子μ对最大池化特征进行修正将ReliefF算法与神经网络相结合作为特征选择方法；构建具有上述池化模型和特征选择方法的深度卷积神经网络，以最小化代价函数为目标进行迭代，以训练形成焊缝缺陷识别神经网络，实现焊缝缺陷类型的识别。本发明方法避免了传统焊缝缺陷识别方法须人工提取特征的过程，且较传统改进前卷积神经网络模型的缺陷识别率有进一步提升。