典型文献
基于深度学习的焊缝PAUT数据智能化分析方法
文献摘要：
在焊缝超声相控阵检测(PAUT)中,对检测数据缺陷的识别定位目前多采用传统的人工判读方式,判读效率较低,对检测人员的判读经验有较高要求,难以满足自动化超声检测的要求.基于深度学习中的目标检测和跟踪算法构建智能识别模型,通过对焊缝超声相控阵检测的S、B扫图特征进行融合,并结合焊缝的三维结构信息,识别并定位出缺陷在焊缝中的三维空间位置.实验结果显示:缺陷框的平均三维IOU(预测三维缺陷框和实际三维缺陷框的平均交并比)达到0.6449,较为接近缺陷的真实空间位置,可以实现焊缝超声相控阵检测成像结果智能识别和定位.
文献关键词：
超声相控阵检测(PAUT);焊缝检测;深度学习;目标检测;跟踪算法;缺陷识别;三维定位
中图分类号：
作者姓名：
朱甜甜;宋波;毛捷;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 电子电气与通信工程学院,北京100049
文献出处：
引用格式：
[1]朱甜甜;宋波;毛捷;廉国选-.基于深度学习的焊缝PAUT数据智能化分析方法)[J].北京航空航天大学学报,2022(03):504-513
A类：
B类：
PAUT,数据智能化,智能化分析,超声相控阵检测,检测数据,识别定位,判读,检测人员,读经,超声检测,目标检测和跟踪,跟踪算法,智能识别,识别模型,对焊,三维结构,结构信息,出缺,三维空间,空间位置,IOU,平均交并比,真实空间,识别和定位,焊缝检测,缺陷识别,三维定位
AB值：
0.343719
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。
