迁移学习在焊接熔透识别和缺陷检测中的应用

刘文杰; 刘新锋; 周方正; 田杰; 贾传宝; 宋立莉

doi:10.19292/j.cnki.jdxxp.2025.04.006

吉林大学学报(信息科学版) ›› 2025, Vol. 43 ›› Issue (04) : 763 -775. DOI: 10.19292/j.cnki.jdxxp.2025.04.006

迁移学习在焊接熔透识别和缺陷检测中的应用

刘文杰, 刘新锋, 周方正, 田杰, 贾传宝, 宋立莉

作者信息 +

Author information +

文章历史 +

摘要

基于监督学习的深度神经网络焊接技术在实际工业场景中，难以获取带有标签的数据样本，限制了深度网络模型的性能。而针对无标注或不完整标注数据集，迁移学习算法提供了一种新颖的解决方案。为此，从领域自适应和预训练-微调两个方面阐述了迁移学习算法，并从近年来算法发展历程和在焊接熔透识别和缺陷检测中的应用方面归纳总结了当前已有的研究工作。同时，还探讨了焊接领域未来需要更多关注和探索的迁移学习问题。通过迁移学习的方法，可以更好地利用已有数据和知识，提升深度学习模型在焊接领域的效果及焊接熔透识别和焊接缺陷检测的准确度，从而推动智能焊接制造技术的发展。