文章详情
| 稿件标题： | 基于卷积神经网络的金属结构缺陷红外图像识别 |
| 稿件作者： | 冯辅周1，2，姬龙鑫2，3，朱俊臻2，万安2 |
| DOI： | 10.11809/bqzbgcxb2021.08.046 |
| 科学编辑： | 吴雨祥 博士（西安电子科技大学） |
| 栏目名称： | 机械制造与检测技术 |
| 关键词： | 卷积神经网络；红外热波检测；图像识别 |
| 文章摘要： | 利用红外图像识别被测对象的缺陷信息，在金属结构检测方面具有广泛应用前景。传统的检测方法是图像处理后人工观察，效率和准确率较低；机器学习方法需要人工选取特征，缺乏适应性和鲁棒性。针对该问题，提出了一种基于卷积神经网络的缺陷检测模型，可以自动从红外热波图像中学习特征并完成分类识别。采用超声红外热波图像数据对卷积神经网络模型进行训练并测试，结果表明，训练后的CNN模型可以对红外热波图像准确识别分类，该方法效率高、准确性高、鲁棒性强，能够有效提高红外热波检测水平。 |
| 稿件基金： | 国家自然科学基金项目(51875576)；无损检测技术教育部重点实验室开放基金项目 |
| 引用本文格式： | 冯辅周，姬龙鑫，朱俊臻，等.基于卷积神经网络的金属结构缺陷红外图像识别［J］.兵器装备工程学报，2021，42(08)：281-286. FENG Fuzhou, JI Longxin, ZHU Junzhen, et al.Infrared Image Recognition of Metal Structure Defects Based on Convolutional Neural Network［J］.Journal of Ordnance Equipment Engineering，2021，42(08)：281-286. |
| 刊期名称： | 2021年08期 |
| 出版时间： | 2021年8月 |
| 上线时间： | 2021年8月28日 |
| 浏览次数： | 2471 |
| 下载次数： | 1879 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |