[發明專利]一種基于子區域和BP神經網絡的焊縫識別方法

在審

• 申請號: 202110037677.2
• 申請日: 2021-01-12
• 公開（公告）號: CN112766460A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 吳忍;孫淵
• 申請（專利權）人: 上海電機學院
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06T7/11;G06K9/00
• 代理公司: 上海伯瑞杰知識產權代理有限公司 31227
• 代理人: 耿悅

1.一種基于子區域和BP神經網絡的焊縫識別方法，其特征在于，包括：

S1、建立BP神經網絡模型，所述BP神經網絡模型以焊縫圖像的各個子區域作為神經網絡的輸入，由子區域的向量維數決定輸入層的節點個數；

S2、對所述BP神經網絡模型進行訓練；

S3、用訓練好的所述BP神經網絡模型對焊縫圖像進行識別。

2.如權利要求1所述的基于子區域和BP神經網絡的焊縫識別方法，其特征在于，所述BP神經網絡模型中，神經元經過傳遞函數作用后的結果輸出y為：

y＝f(Net)

式中：Net是神經元的凈輸出；

所述傳遞函數為：

3.如權利要求2所述的基于子區域和BP神經網絡的焊縫識別方法，其特征在于，所述BP神經網絡模型的隱藏層包括隱藏層層數和各層的節點數量，所述隱藏層層數為單隱藏層，所述節點數量計算如下：

其中，m是輸入層的節點個數，n是輸出層的節點數量，a為0-10之間的常數，h為隱藏層的節點個數。

4.如權利要求1所述的基于子區域和BP神經網絡的焊縫識別方法，其特征在于，所述步驟S2中，對所述BP神經網絡模型訓練過程包括信號正向傳輸和誤差反向傳播。

5.如權利要求4所述的基于子區域和BP神經網絡的焊縫識別方法，其特征在于，所述信號正向傳輸包括如下步驟：

S201、網絡初始化,所述網絡初始化包括：初始化輸入層和隱藏層的連接權值w_ij,隱藏層和輸出層的連接權值為w_jk,隱藏層閾值b_h和輸出層閾值b_o,給定學習速率和迭代誤差；

S202、計算隱藏層的輸出H_j

H_j＝f(net_j)

其中，j＝1，2，...，l，m為輸入層節點數，l為隱藏層節點數；

S203、計算輸出層的輸出O_k：

O_k＝f(net_k)

其中，k＝1，2，...，n，n為輸出層節點數。

6.如權利要求2所述的基于子區域和BP神經網絡的焊縫識別方法，其特征在于，所述誤差反向傳播包括以下步驟：

S211、計算神經網絡誤差E：

其中，O為網絡預測誤差，Y為期望輸出

S212、將誤差函數展開到隱藏層：

繼續將誤差函數展開到輸入層：

S213、計算輸出層的權值變化：

S214、計算隱藏層的權值變化：

由隱藏層的誤差公式得：

可得隱藏層的權值變化為：

7.如權利要求1所述的基于子區域和BP神經網絡的焊縫識別方法，其特征在于，所述步驟S3中，用訓練好的BP神經網絡對焊縫圖像進行識別包括：將識別結果為焊縫區域的子區域像素值設為255，識別結果為非焊縫區域的子區域像素值設為0，最后，將所有子區域樣本按照標號組合，即可得到焊縫在圖片中的位置效果圖。