典型文献
基于卷积神经网络的航天复合材料缺陷智能检测
文献摘要：
针对传统的缺陷图像识别处理方式存在着准确度与辨识度不足,且处理缺陷种类单一的问题,提出了一种基于Cascade R-CNN和Mask R-CNN的神经网络模型.首先,为了提高缺陷检测的可视化效果和检测准确度,在实例分割卷积网络Mask R-CNN的基础上,结合级联神经网络Cascade R-CNN结构,组合成了新的级联实例分割Cascade Mask R-CNN网络;其次,对组合而成的级联卷积神经网络进行了训练,将训练好的模型对复合材料缺陷图像进行了检测.实验结果表明:检测的平均准确度达到了91.5％,平均置信度达到了97.3％,达到了检测精度的要求.该研究成果可运用于航天复合材料缺陷识别.
文献关键词：
深度学习;级联区域卷积神经网络;复合材料;缺陷检测;实例分割
中图分类号：
作者姓名：
董学金;邵红亮;李志学;罗钧
作者机构：
上海卫星装备研究所,上海 200240;重庆大学 光电技术及系统教育部重点实验室,重庆 400030
文献出处：
引用格式：
[1]董学金;邵红亮;李志学;罗钧-.基于卷积神经网络的航天复合材料缺陷智能检测)[J].上海航天（中英文）,2022(04):154-160
A类：
级联区域卷积神经网络
B类：
航天复合材料,材料缺陷,智能检测,图像识别,别处,辨识度,Cascade,Mask,缺陷检测,检测准确度,实例分割,卷积网络,级联神经网络,组合成,组合而成,级联卷积神经网络,练好,置信度,检测精度,可运,缺陷识别
AB值：
0.320742
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
