基于深度学习网络的射线图像缺陷识别方法.pdfVIP

第35卷第9期 仪 器 仪 表 学 报 VoL35No．9 2014年9月 ChineseJoumalofScientificInstmment Sep．2014 基于深度学习网络的射线图像缺陷识别方法术 余永维1’2，殷国富1，殷鹰1，杜柳青2 (1．四川大学制造科学与工程学院成都610065； 2．重庆理工大学机械工程学院重庆400054) 摘要：针对建立射线无损检测智能化信息处理平台的需要，提出一种基于深度学习网络的智能识别方法。以卷积神经网络结 构为基础，结合径向基神经网络非线性映射能力，构建一种模拟视觉感知原理的深度学习网络结构，并提出一种网络结构自生 长方法和参数学习方法；然后在获取注意区域的基础上，模拟人类大脑深度学习的层次感知系统，使可疑区域的像素灰度信号 直接通过深度学习层次网络，通过卷积网络逐层挖掘可疑缺陷区域的本质特征；最后利用径向基网络部分实现对射线图像缺陷 的直接智能识别。实验中对复杂射线图像的缺陷识别率超过91％，优于传统方法。实验表明该方法有较高的准确率和较好的 适应性，能够满足射线无损检测智能化信息处理平台的需要。 关键词：射线图像；缺陷识别；深度学习；智能识别；神经网络 TH878+．1 中图分类号：11P391．41 文献标识码：A 国家标准学科分类代码：510．4050 Defect for basedon network radiograpllic recogIlition image deeplearIling Yu 1”，YinGuoful，Yin Yongwei Yin91，DuLiuqin92 (J．Sc肠DZ矿^死n咖tu矗增＆记凡ceo以E，彬nee而愕，S把^∞n跏觇rs渺，仇倒配6JDo卯，吼in。； 2．c0阮鲈0，胁ckn如越E，硒聊e矗愕，‰，醐i昭‰讹船蚵o，‰^加此啊，ck昭gi增4DDD舛，吼in口) atthe of i耐油“on of nondes协lctive Abs咖ct：Aimingrequirementestablishingintelligent processingplad．0nnradio聊hic detection， an methodbased networkwas strIlctureofnleconvol砸on on onme nellralrletwork intelligentrec0铲ition deepkarrling proposed．Based 明d tllenonlinear oftheradialbasisneural networkstmcture was combining访tll abilit)r network，adeeple踟ing buih，which m印ping simulate a