基于深度学习网络的射线图像缺陷识别方法.pdfVIP

第35卷 第9期 仪 器 仪 表 学 报 V0L35No．9 2014年9月 ChineseJournalofScientificInstrument Sep．2014 基于深度学习网络的射线图像缺 陷识别方法 余永维 ，殷国富 ，殷 鹰 ，杜柳青 (1．四川大学制造科学与工程学院 成都 610065； 2．重庆理工大学机械工程学院 重庆 400054) 摘 要：针对建立射线无损检测智能化信息处理平台的需要 ，提出一种基于深度学习网络的智能识别方法。以卷积神经网络结 构为基础，结合径向基神经网络非线性映射能力，构建一种模拟视觉感知原理的深度学习网络结构，并提 出一种网络结构 自生 长方法和参数学习方法；然后在获取注意区域的基础上 ，模拟人类大脑深度学习的层次感知系统，使可疑区域的像素灰度信号 直接通过深度学习层次网络，通过卷积网络逐层挖掘可疑缺陷区域的本质特征 ；最后利用径向基网络部分实现对射线图像缺陷 的直接智能识别。实验中对复杂射线图像的缺陷识别率超过91％，优于传统方法。实验表明该方法有较高的准确率和较好的 适应性，能够满足射线无损检测智能化信息处理平台的需要。 关键词：射线图像；缺陷识别；深度学习；智能识别；神经网络 中图分类号：TP391．41 TH878 ．1 文献标识码：A 国家标准学科分类代码：510．4050 Defectrecognitionforradiographicimagebasedon deep learningnetwork YuYongwei ，YinGuofu ，Yin Ying ，DuLiuqing (J．SchoolofManufacturingScienceandEngineering，SichuanUniversity，Chengdu610065，China； 2．CollegeofMechanicalEngineering，ChongqingUniversityofTechnology，Chongqing400054，China) Abstract：Aimingattherequirementofestablishingintelligentinformationprocessingplaftorm ofradiographicnondesturctivedetection ， anintelligentrecognitionmethodbasedondeeplearningnetworkwasproposed．Basedonthestructureoftheconvolutionneuralnetwork andcombiningwiththenonlinearmappingabilityoftheradialbasisneuralnetwork，adeeplearningnetworksturcturewasbuilt，which couldsimulatehumanvisualperceptionprinciple．Andaself-rgowthmethodofnetworkstructureand parameterlearningstrategyare introduced．Then，onthebasisofacquiringtheattentionregion，thehierarchysensingsystem ofdeeplearningofhumanbrainissimula． ted；thepixelrgaysingalsoftheattentionregiondirectlypassthroughtherecognitionnetwork，whichsimulatesthedeeplearninghierar—