扫码下载APP

您的位置

资讯详情

本人可编辑资讯

仅支持在APP编辑资讯扫描二维码即可下载APP

大连交通大学Yang, Xinhua,迎来2023年第7篇SCI!

论论资讯 | 2023-03-01 2热度

Electronics (Switzerland)

Explore content

About the journal

Publish with us

Knowledge Acquisition and Reasoning Model for Welding Information Integration Based on CNN and Knowledge Graph

Guan K.; Sun Y.; Yang G.; Yang X.

Published:2023-03-01
DOI:10.3390/electronics12061275

研究背景

随着社会的快速发展,焊接技术在制造业中的应用越来越广泛。但是,目前焊接领域存在的问题是知识获取和推理的困难,以及不同阶段之间知识联系的薄弱。这些问题制约了焊接领域智能化的发展,尤其是在领域信息工程的整合方面。

研究内容

本文提出了一种认知模型,结合了图像识别和知识图谱。在感知层上使用卷积神经网络(CNN)来获取直接信息,基于知识图谱描述自动化逻辑规则,实现了知识推理领域的信息整合。此外,基于实体和关系识别构建了一种用于焊接知识图谱的博基架构。在监督条件下,比较和训练了不同网络结构的CNN模型。结果显示,InceptionV1网络获得了高分数(厚度关系为0.758,槽形为0.642,接头类型为0.704,基材形式为0.835)。与其他方法相比,所提出的模型在准确性、解释性、知识覆盖面、可扩展性和可移植性方面表现出积极的性能。该模型可以有效地解决上述限制,并对焊接制造与工程信息整合具有重要意义。

研究意义

本文提出了一种结合图像识别和知识图谱的认知模型,有效解决了焊接领域存在的知识获取和推理困难,以及不同阶段之间知识联系薄弱的问题。该模型具有准确性、解释性、知识覆盖面、可扩展性和可移植性等优点,有助于焊接制造与工程信息整合的智能化发展。

微信扫码即可查看