核燃料芯块的表面裂纹检测算法研究
为保证反应堆的安全运行,需要采用多种检测技术确保燃料芯块质量.针对燃料芯块表面裂纹检测中因图像对比度低、背景复杂而导致的裂纹误检率高的问题,提出了一种基于卷积神经网络(CNN)和Bearnlet算法相结合的表面裂纹检测算法.对图像进行等尺度分割作为裂纹识别模型(CrackCNN)的训练和测试样本;采用训练完成的CrackCNN对图像中含裂纹的区域进行识别和定位;采用Beamlet算法针对含裂纹区域进行裂纹检测.该算法将CNN和Beamlet相结合,充分发挥两者的优势,有效降低了裂纹误检概率,提高了检测精度.实验结果表明,相对于单独采用Beamlet算法,本文算法的F-measure提升了6.4%;相对于双重阈值和张量投票算法,本文算法的F-measure提升了3.4%.
图像处理、裂纹检测、卷积神经网络、核燃料芯块、Beamlet算法
56
TP751(遥感技术)
国家自然科学基金81171410
2019-09-25(万方平台首次上网日期,不代表论文的发表时间)
共7页
73-79