基于卷积神经网络的金属结构缺陷红外图像识别
利用红外图像识别被测对象的缺陷信息,在金属结构检测方面具有广泛应用前景.传统的检测方法是图像处理后人工观察,效率和准确率较低;机器学习方法需要人工选取特征,缺乏适应性和鲁棒性.针对该问题,提出了一种基于卷积神经网络的缺陷检测模型,可以自动从红外热波图像中学习特征并完成分类识别.采用超声红外热波图像数据对卷积神经网络模型进行训练并测试,结果表明,训练后的CNN模型可以对红外热波图像准确识别分类,该方法效率高、准确性高、鲁棒性强,能够有效提高红外热波检测水平.
卷积神经网络;红外热波检测;图像识别
42
TP301.6(计算技术、计算机技术)
国家自然科学基金项目;无损检测技术教育部重点实验室开放基金项目
2021-09-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
281-286