文献

J-GLOBAL ID：202102286114713692   整理番号：21A0047895

改良コンボリューションニューラルネットワークのはんだ接合欠陥認識アルゴリズムに関する研究【JST・京大機械翻訳】

Research on solder joint defect recognition algorithm based on improved convolutional neural network

著者 (2件)： Chang Ying (吉林建筑科技学院 計算机科学与工程学院,長春130000) ,  Chang Dajun (長春建筑学院 電气信息学院,長春130000)
資料名： Jiguang Jishu  (Jiguang Jishu)
巻： 44  号： 6  ページ： 779-783  発行年： 2020年 
JST資料番号： C2072A  ISSN： 1001-3806  CODEN： JJISEO  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 複数のはんだ接合欠陥タイプを迅速に識別するために,既存の溶接異常画像認識アルゴリズムの誤検出率と漏れ検出率が高いという問題を解決して,改良畳込みニューラルネットワークに基づく深さ学習アルゴリズムを設計した。自己組織化マップ分類技術を用いて,畳込みニューラルネットワークの適応性を改善し,適応モーメント推定と組み合わせて,溶接異常画像における特徴集合の収束条件を制約した。実験では、5種類の普通の溶接異常画像を等比例ランダム分布の形で訓練セット、検証セットとテスト集合に入れ、それぞれ従来の識別アルゴリズム(cannyアルゴリズムとk平均アルゴリズム)とアルゴリズムでテストを行った。その結果,ブリッジング欠陥に対して,3つの方法は,すべて,誤検出および漏れ検出を持たなかった。小球欠陥に対して,3つの方法は,要求に合致し,一方,cannyアルゴリズムは,最適検出能力を持った。偏球欠陥に対して、3種類のアルゴリズムの誤検率はそれぞれ12.4%、7.3%と1.4%であり、見逃し率はそれぞれ13.3%、6.5%と1.1%であった。仮想溶接と少錫欠陥に対して、このアルゴリズムは従来のアルゴリズムより約1桁精度が高い。本アルゴリズムは,多くのはんだ接合欠陥タイプ同定において,明白な優位性を持った。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  溶接 ,  *はんだ付 ,  適応性 ,  モーメント ,  自己組織化特徴マップ ,  学習アルゴリズム ,  誤検出 ,  畳込みニューラルネットワーク
準シソーラス用語： *認識アルゴリズム ,  検出率 ,  誤検出率 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  レーザ一般  (BD04030T)

タイトルに関連する用語 (4件)： はんだ接合 ,  欠陥 ,  認識アルゴリズム ,  研究