报告题目：基于“机器学习”的熔池反射图像检测熔深方法
报告人：张裕明教授（美国焊接学会与机械工程学会双会士(Fellow)）
报告时间：2018年12月8日（星期六）下午15:00--17：00
报告地点：29号楼3楼会议室
欢迎广大师生参加！
机械与汽车工程学院
2018年12月6日
报告人简介：
张裕明，美国焊接学会会士(Fellow)、美国机械工程学会会士(Fellow)；美国肯塔基大学终身教授。现任美国肯塔基大学焊接实验室（Welding Research Laboratory）、机器视觉实验室（ Machine Vision Laboratory）,传感与控制应用实验室（ Applied Sensing and Control Laboratory）和制造中心（Center for Manufacturing）主任。现任美国焊接学会杂志《Welding Journal》评委会主任，Journal of Manufacturing Processes副主编；
作为国际焊接过程及自动化领域知名学者，多次获得美国焊接学会戴维斯奖、英国机械工程学会杰出论文奖。主要研究领域包括：焊接新方法及工艺，焊接过程的监测与控制，新一代智能焊接系统。发表论文170余篇，获5项美国发明专利，主持7项美国国家科学基金。作为国际焊接过程及自动化领域知名学者，多次获得美国焊接学会戴维斯奖、英国机械工程学会杰出论文奖。
报告摘要：
利用“机器学习”技术检测接头熔深的创新方法，在此项应用中，捕捉从振荡熔池表面反射出的反射点结构激光图像，提出使用未加任何处理的原始图像作为卷积神经网络(CNN)的输入。采用一种修正过的小批量梯度下降法设计出了五层卷积神经网络，这种方法可以达到90.7033%的测试精度。
