基于改进DG-MobileNet模型的焊缝缺陷识别方法

针对焊接缺陷识别及分类过程中,传统卷积神经网络识别准确率低、适应性差和低效等问题,提出一种基于融合空洞卷积的DG-MobileNet焊接缺陷识别模型。首先,基于MobileNet模型将深度可分离卷积与空洞卷积相结合以扩大卷积核感受野;然后,引入DropBlock模块和批量规范化算法优化焊接缺陷特征提取过程和防止过拟合现象;其次,引入SENet自注意力机制进行特征重标定,提升焊接缺陷识别效率。此外,考虑到焊接缺陷数量类不平衡问题,采用DCGAN进行数据增强并在增强后的数据集上验证模型有效性。实验结果表明,相比于传统算法,DG-MobileNet在焊缝缺陷图像特征提取、识别准确率和耗时方面均具有更好的效果,其测试准确率达到98.62%。

资料为PDF文档格式.

本文档关键词:焊缝,识别,缺陷,模型,改进