[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

本發明公開了一種基于子區域和BP神經網絡的焊縫識別方法，其包括：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。本發明能夠在保證訓練精度的前提下，大大降低BP神經網絡模型的訓練時間，而對焊縫圖像進行識別時，可使用訓練好的BP神經網絡模型對焊縫圖像的子區域進行識別，最終得到焊縫識別檢測效果圖。本發明具有識別效率高、應用面廣、準確度高等優點。

技術領域

本發明涉及工業圖像檢測識別技術領域，尤其涉及一種基于子區域和BP神經網絡的焊縫識別方法。

背景技術

焊接是工業生產中的重要加工手段，焊接質量決定著產品生產的合格率以及產品性能。由于受到各種因素的影響，焊接過程中會不可避免的產生各種缺陷，比如漏焊、咬邊、未焊透等。對焊縫的焊接質量檢測就顯得尤為重要，但是進行質量檢測的前提是能夠識別工件上焊縫所在位置并準確的檢測。

在傳統的焊縫檢測過程中，通常是依靠人眼來確定工件焊縫位置，但是，由于人眼觀察易受到檢測人員狀態以及光線環境的影響，具有很大的不確定性，檢測效率低且準確度欠佳。還有一些傳統的圖像識別檢測方法，需要對焊縫圖像進行多個角度的矯正，然后通過圖像定位和模板匹配的方法來檢測，檢測的準確性很容易受到外部環境的影響。視覺檢測裝置采用事先確定事物固定程序進行識別，不具備學習能力，僅僅能對某些特定焊縫進行識別，容易受到工件上陰影或銹斑的影響，在實際應用中無法保證檢測的精確率。

發明內容

基于此，有必要針對上述技術問題，提供一種基于子區域和BP神經網絡的焊縫識別方法。

一種基于子區域和BP神經網絡的焊縫識別方法，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。

在其中一個實施例中，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：

在其中一個實施例中，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。

在其中一個實施例中，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。

在其中一個實施例中，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u_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)