典型文献
焊缝超声相控阵检测数据深度学习降噪方法
文献摘要：
超声相控阵检测技术在焊缝检测中具有广泛的应用.超声相控阵检测技术检测信号中常混入噪声导致检测成像时难以分辨真实的缺陷特征.这些噪声主要为无关的反射信号和局部相关的结构噪声,传统的超声图像降噪方法难以有效滤除这些噪声,且存在计算效率低、参数优化复杂等问题.该文提出了一种基于深度学习的焊缝超声相控阵检测技术检测S扫图像的降噪方法,通过搭建深度神经网络降噪模型去除S扫图像中的噪声.经过实验验证,该方法较传统的降噪方法能更有效去除焊缝超声相控阵检测技术检测S扫图中的噪声,保留缺陷的图像细节,并且提高了计算效率,同时避免了人工对不同噪声水平的S扫图像进行参数优化.
文献关键词：
超声相控阵检测;焊缝检测;深度学习;降噪
中图分类号：
作者姓名：
朱甜甜;刘建;宋波;桂生;廉国选
作者机构：
中国科学院声学研究所 声场声信息国家重点实验室 北京 100190;中国科学院大学 北京 100049;中国石油集团工程技术研究院 北京 102206
文献出处：
引用格式：
[1]朱甜甜;刘建;宋波;桂生;廉国选-.焊缝超声相控阵检测数据深度学习降噪方法)[J].应用声学,2022(01):112-118
A类：
B类：
超声相控阵检测,检测数据,数据深度,降噪方法,焊缝检测,检测信号,混入,声导,缺陷特征,反射信号,局部相关,结构噪声,超声图像,图像降噪,滤除,计算效率,深度神经网络,降噪模型,噪声水平
AB值：
0.232689
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。
