焊缝缺陷图像分类识别的深度置信网络研究.pdfVIP

测控技术

模式识别与人工智能2018年第37卷第8期•5•

焊缝缺陷图像分类识别的深度置信网络研究

刘梦溪U，巨永锋\高炜欣2，王征2，武晓朦2

(1.长安大学电子与控制工程学院，陕西西安710064;

2.西安石油大学光电油气测井与检测教育部重点实验室，陕西西安710065)

摘要：由于工业生产中所获取的焊缝缺陷图像背景较为复杂，对其分类识别效率较低，因此提出了一个

由三层受限玻尔兹曼机叠加组成的深度置信网络模型。该网络模型在对焊缝原始图像进行更为全面的

信息抽取前提下，能够借助深度置信网络自下而上对输入信息进行学习与训练的特点，逐渐减少对焊缝

缺陷信息的误判；借助网络最后一层后向传播算法的作用，可以在确保更高正确率的同时缩短收敛时

间，有效提升识别效率;通过与传统的支持向量机和人工神经网络进行对比实验，结果表明深度置信网

络能更为有效地避免过拟合的发生，对于焊缝缺陷的特征识别具有更为理想的精度。

关键词：焊缝缺陷；深度学习；受限玻尔兹曼机;深度置信网络

中图分类号JP391.41;TG441.7文献标识码:A文章编号：1000-8829(2018)08-0005-05

doi：10.19708/j.ckjs.2018.08.002

ResearchonDeepBeliefNetworkforImagesClassificationandRecognition

OfWeldDefects

LIUMeng-xi1,2,JUYong-feng1,GAOWei-xin2,WANGZheng2,WUXiao-meng2

(1.SchoolofElectronicControl,Chang5anUniversity,Xi5an710064,China;2.StateEducationCommissionKeyLabof

PhotoelectricSensorOil-GasProspectingMeasuringXi5anShiyouUniversity,Xi5an710065,China)

Abstract：Becauseofthecompleximagebackgroundofwelddefectsobtainedinindustrialproduction,adeep

beliefnetwork(DBN)modelcomposedofthree-layerestrictedBoltzmannmachine(RBM)isproposed,which

cansolvetheproblemoflowclassificationandrecognitionefficiencyofwelddefects.Undethepreconditionof

morecomprehensiveinformationextractionoftheoriginalweldimages,thenetworkmodelcanreducetheeo

ofwelddefectsinformationbylearningandtrainingtheinputinformationfromthebottomtothetop.Withthe

last-layebackpropagation(BP)algorithm,DBNcanshortentheconvergencetime