典型文献
基于卷积神经网络的环状CFRP图像缺陷检测研究
文献摘要：
碳纤维增强复合材料(CFRP)广泛应用在航空航天等领域中,其内部缺陷易引发灾难性的事故,X射线成像是CFRP缺陷检测的常用手段.为了有效减少图像背景对环状CFRP X射线图像缺陷检测性能的影响,提出了一种结合LeNet-5卷积神经网络和图像变换的环状CFRP图像缺陷检测新方法.首先对环状CFRP的X射线图像进行极坐标变换,然后提取变换图像中的感兴趣区域并对其进行分块构成LeNet-5网络训练和测试的数据集,最后根据图像块的二分类结果得到缺陷的局部区域,实现缺陷检测.实验结果表明,所提方法能显著提高缺陷检测性能,与利用原始图像对LeNet-5进行训练相比,该方法使得缺陷检测的召回率、查准率和F1值分别提高了11.02％、38.60％和25.02％.
文献关键词：
碳纤维复合材料;图像变换;最小二乘法;卷积神经网络;LeNet-5
中图分类号：
作者姓名：
章栩苓;周正东;毛玲;张灵维;魏士松
作者机构：
南京航空航天大学机械结构力学及控制国家重点实验室,江苏 南京 210016;上海航天精密机械研究所,上海 201600
文献出处：
引用格式：
[1]章栩苓;周正东;毛玲;张灵维;魏士松-.基于卷积神经网络的环状CFRP图像缺陷检测研究)[J].机械设计与制造工程,2022(09):12-16
A类：
B类：
CFRP,缺陷检测,碳纤维增强复合材料,航空航天,内部缺陷,灾难性,像是,检测性能,LeNet,和图像,图像变换,极坐标变换,变换图,感兴趣区域,分块,网络训练,二分类,局部区域,原始图像,召回率,查准率,碳纤维复合材料
AB值：
0.253101
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。
