论文部分内容阅读
针对工业无损检测中的焊缝缺陷分类难题,提出一种基于一维卷积神经网络的X射线图像分类方法。传统的X射线图像分类方法通常需要手工提取特征,然后使用模式识别方法进行分类。该方法复杂度高,准确率低。针对这一问题,利用深度学习理论建立了一种直接适用于焊缝缺陷X射线图像分类的一维卷积神经网络(1-DCNN)。该方法采用现场采集的焊缝缺陷X射线图像作为训练数据集。首先,将焊缝缺陷的X射线图像输入神经网络;然后,在1-DCNN网络中进行卷积运算,提取图像特征;最后,使用softmax分类器输出分类结果。实验结果表明