典型文献
基于卷积神经网络的激光超声缺陷检测研究
文献摘要：
针对超声缺陷检测受人为影响较大这一问题,提出一种基于卷积神经网络(CNN)的缺陷超声图像自动识别检测方法.利用激光超声可视化技术,对带有缺陷的金属部件进行检测得到最大振幅图像,并将其作为CNN缺陷检测模型的输入,CNN模型经过训练能很好实现对表面缺陷的自动检测.实验结果表明构建的CNN模型能够自主学习最大振幅图的缺陷特征并完成缺陷的自动识别,具有较高的检测效率,缺陷识别准确率可达97.22％,此外在缺陷连续检测中表现出较强的鲁棒性.
文献关键词：
激光超声可视化;缺陷检测;最大振幅图;卷积神经网络
中图分类号：
作者姓名：
姜瀚彬;高炜欣;石萌萌
作者机构：
陕西省油气井测控技术重点实验室,西安 710065;西安石油大学电子工程学院,西安 710065
文献出处：
引用格式：
[1]姜瀚彬;高炜欣;石萌萌-.基于卷积神经网络的激光超声缺陷检测研究)[J].激光杂志,2022(07):59-64
A类：
最大振幅图
B类：
超声缺陷,缺陷检测,人为影响,超声图像,图像自动识别,识别检测,激光超声可视化,可视化技术,金属部件,检测模型,经过训练,表面缺陷,自动检测,缺陷特征,检测效率,缺陷识别,识别准确率,连续检测
AB值：
0.257139
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。
