基于深度学习模型的超声增材制造高级预测质量评估
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对超声增材制造过程中由于加工条件导致的层间缺陷问题，提出了一种基于深度学习卷积神经网络的在线质量监测方法。研究表明，该模型在多种功率水平下，能够以超过97%的准确率有效识别和分类制造过程中的条件，为质量保证和过程控制提供了可靠工具。
在制造业质量控制中，缺陷检测至关重要。本文介绍了一种张量卷积神经网络（T-CNN），在超声波传感器组件的缺陷检测中表现优异。T-CNN通过减少模型参数，提高了训练速度和性能，且准确性保持不变。结果表明，T-CNN在参数减少15倍的情况下，训练时间加快4%至19%，显著优于传统人工检测，具有重要应用价值。
