| 面向激光焊接缺陷识别的可解释性深度学习方法 |
| |
| 引用本文： | 刘天元,郑杭彬,杨长祺,鲍劲松,汪俊亮,顾俊.面向激光焊接缺陷识别的可解释性深度学习方法[J].航空学报,2022,43(4):451-460. |
| |
| 作者姓名： | 刘天元 郑杭彬 杨长祺 鲍劲松 汪俊亮 顾俊 |
| |
| 作者单位： | 东华大学 机械工程学院 智能制造研究所,上海 201600,上海航天精密机械研究所,上海 201600,上海市激光技术研究所,上海 200235 |
| |
| 基金项目： | 国家自然科学基金(51905091)； |
| |
| 摘 要： | 激光焊接在航空领域具有广泛的应用场景，基于视觉的激光焊接缺陷识别对于产品质量的提高至关重要。针对当前基于深度学习的激光焊接缺陷识别方法存在可解释性差的问题，提出了一种融合多尺度特征的类激活映射(MSF-CAM)方法。在训练阶段，以VGG16为骨架模型并将监督信息施加于多个尺度以促进模型对多尺度特征的学习。在测试阶段，对输出类别在多个尺度上的激活图进行叠加，并以此作为模型的判断依据。多尺度特征的融入不但增强了模型的可解释性，而且还提高了激光焊接缺陷识别的准确性。试验结果表明：MSF-CAM在测试集上的准确率为98.12%,识别单幅图像耗时8.28 ms。此外，MSF-CAM可以从边缘、轮廓这种初级特征的角度对模型的决策依据提供人类更容易理解的解释。
|
| 关 键 词： | 激光焊接 缺陷识别 深度学习 可解释性 多尺度 |
Explainable deep learning method for laser welding defect detection |
| |
| LIU Tianyuan,ZHENG Hangbin,YANG Changqi,BAO Jinsong,WANG Junliang,GU Jun.Explainable deep learning method for laser welding defect detection[J].Acta Aeronautica et Astronautica Sinica,2022,43(4):451-460. |
| |
| Authors: | LIU Tianyuan ZHENG Hangbin YANG Changqi BAO Jinsong WANG Junliang GU Jun |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
