摘要
本发明公开了基于人工智能的聚乙烯管道焊接缺陷相控阵图像识别方法,包括:步骤S1,通过采用相控阵超声检测技术采集得到的图像数据,生成原始数据集;步骤S2,采用基于旋转不变性增强的生成对抗网络算法进行样本生成,进而实现数据扩充;步骤S3,将扩充后的数据输入到特征提取模型中,进行特征提取模型的训练,得到特征提取后的训练数据集;步骤S4,将特征提取后的数据输入到特征降维模型中进行特征降维模型的训练,得到特征降维后的训练数据集;步骤S5,将特征降维后的数据输入到分类器模型中,进行分类器模型的训练;步骤S6,利用已训练完成的特征提取模型、特征降维模型和分类器模型进行缺陷相控阵图像识别。提高了焊接缺陷识别的精确性。
技术关键词
图像识别方法
聚乙烯管道
分类器模型
特征提取模型
神经网络算法模型
生成对抗网络
相控阵超声检测
参数
解码器
编码器算法
样本
逻辑回归分类器
缺陷类别
神经网络模型
重构原始数据
因子
系统为您推荐了相关专利信息
特征提取模型
传感器
状态预测方法
编码器训练
傅里叶变换方法
融合人工智能
特征提取模型
采集设备
图像特征向量
原始图像数据
大语言模型
机制
数据集构建方法
变量
支持向量机算法
对象
图像生成方法
图像生成模型
计算机执行指令
面部
图像特征提取模型
人工智能模型
训练样本集
可读存储介质
特征值