摘要
本发明公开一种用于渗透检测控制参数预测的神经网络训练方法、存储介质及电子设备,通过采用神经网络模型获取基于实时焊缝形态的渗透检测控制参数预测值,用于指导自动化渗透检测过程各控制参数的实时调整,获取包含完整焊缝缺陷的渗透检测显影图像,包括获取试验数据,选取缺陷检出率达到99%的试验数据为训练数据集,训练神经网络模型,获取最佳渗透检测控制参数指导检测实施等步骤。本发明通过神经网络模型训练的方法,根据渗透检测控制参数与焊接形态的关联性,准确预测最佳渗透检测控制参数,进而精细化调控各控制参数值,实现焊缝的均匀全面覆盖,显著提升焊缝缺陷检出率,为检测结果完整性和准确性提供可靠保障,同时实现试剂使用节约性。
技术关键词
神经网络训练方法
焊缝缺陷
焊接接头形式
缺陷检出率
渗透检测装置
图像采集模块
数据
计算机可执行指令
参数
神经网络模型构建
神经网络模型训练
训练神经网络模型
时间控制模块
工件
试剂瓶
形态
电子设备
系统为您推荐了相关专利信息
检测分析系统
焊接工艺参数
时序特征
特征提取单元
焊缝缺陷
神经网络训练方法
焊接热源模型
车桥
专用车
训练神经网络模型
巡检机器人
检测平台
图像
缺陷检测方法
旋转电机控制
智能检测系统
电路板
轮廓模型
重构单元
激光扫描组件