摘要:对焊件表面及亚表面微小焊接缺陷进行检测是保证焊接质量的关键,提出一种基于深层卷积神经网络的磁光成像焊接缺陷检测方法。 以法拉第磁致旋光效应为基础,分析磁光成像原理,建立深层卷积网络预测模型,研究不同模型结构参数对训练结果的影响。 通过对深度卷积神经网络中间机理分析,研究模型训练过程并自动寻找卷积核最优参数。 试验结果表明,第一层卷积核尺寸选择 7×7 和采用 Relu 激活函数可以使预测模型达到最佳效果,焊接缺陷磁光成像平均训练准确率为 98. 61% ,凹坑、裂纹、未焊透、未熔合、无缺陷 5 种焊接试样预测准确率分别为 84. 38% 、98. 05% 、84. 38% 、100% 、100% ,平均预测准确率为93. 36% 。