基于深度學(xué)習(xí)與域自適應(yīng)的工件渦流熱成像的缺陷檢測

摘要： 機械設(shè)備運行過程中，標記的故障樣本量小，導(dǎo)致建立的模型故障診斷準確率低，為此本文提出一種結(jié)合深度學(xué)習(xí)與域自適應(yīng)的工件渦流熱成像的缺陷檢測方法。首先將注意力機制引入深度殘差網(wǎng)絡(luò)Res Net50中，加強模型的特征提取能力；然后將源域和目標域數(shù)據(jù)送入改進的Res Net50網(wǎng)絡(luò)中提取深度特征，并且在網(wǎng)絡(luò)的全連接層中引入局部最大均值差異，用于縮小兩域特征間的分布差異，以此實現(xiàn)相關(guān)子域...