改进型卷积神经网络焊点缺陷识别算法研究

来源：激光技术杂志2020年第6期北京时间：

作者：常颖, 常大俊

摘要：为了同时对多种焊点缺陷类型进行快速识别，解决现有焊接异常图像识别算法误检率与漏检率偏高的问题，设计了基于改进型卷积神经网络的深度学习算法。利用自组织映射分类技术，提高了卷积神经网络的数据选择自适应性，结合自适应矩估计分析, 约束了焊接异常图像中特征集合的收敛条件。实验中将5种常见焊接异常图像以等比例随机分布的形式放入训练集、验证集和测试集中，再分别用传统识别算法(canny算法和k均值算法)和该算法进行测试。结果表明，对于桥连缺陷，3种方法均无误检、无漏检；对于小球缺陷，3种方法均符合要求，而canny算法的检出能力最优；对于偏球缺陷, 3种算法的误检率分别是12.4%, 7.3%和与1.4%，漏检率分别是13.3%, 6.5%和1.1%；对于虚焊和少锡缺陷，该算法相比传统算法精度高约1个数量级。该算法在对多种焊点缺陷类型识别中具有明显优势。

关键词：图像处理, 深度学习, 卷积神经网络, 灰度梯度