基于小样本深度学习的齿轮表面损伤识别研究
王骁鹏1
华鸿鹏1
陆长清1
彭锟1
衷源2
吴碧琼3
1.三峡大学 水电机械设备设计与维护湖北省重点实验室,湖北 宜昌 4430022.湖北特种设备检验检测研究院鄂州分院,湖北 鄂州 4360003.中国长江电力股份有限公司,湖北 宜昌 443133
摘要：齿轮表面损伤是影响齿轮传动的重要因素,提高齿轮表面损伤的识别效率和准确率极为重要.基于Pytorch架构建立齿轮表面损伤的ResNet识别模型,利用数据增强的方式扩大数据集,使用迁移学习方式优化模型训练,并对比了4种ResNet结构.结果表明,将64张原始图像数据增强后得到的由640张图像组成的数据集不足以满足模型训练对大量数据的需要;使用迁移学习能够提高模型训练速度和准确率,满足齿轮表面损伤的识别要求;ResNet-101模型在本框架中是最优结构.研究对齿轮表面损伤的检测具有重要的科学意义和工程价值.
关键词：卷积神经网络齿轮表面损伤深度学习迁移学习
资助基金：国家自然科学基金(52175177)
论文发表日期：2024-04-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：6( 103-108 )
英文信息