来源：期刊VIP网 时间：
作者：王骁鹏;华鸿鹏;陆长清;彭锟;衷源;吴碧琼;
单位：三峡大学水电机械设备设计与维护湖北省重点实验室;湖北特种设备检验检测研究院鄂州分院;中国长江电力股份有限公司;
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
基金资助：国家自然科学基金项目（52175177）
