基于Faster R-卷积神经网络的金属点阵结构缺陷识别方法

• 作者: 张玉燕 张芝威 李永保 温银堂
• 来源期刊: 兵工学报
• 学科: 工学
• 关键词: 金属点阵结构 缺陷识别 无损检测 CT扫描图像 Faster R-卷积神经网络
• 年，卷（期）: 2019,（11）
• 页码范围: 2329-2335
• 页数: 7页
• 分类号: TG115.281
• 字数: 3999字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1093.2019.11.018

摘要

采用增材制造技术制备的金属三维点阵结构可能存在裂纹、未熔合、断层等缺陷,导致金属点阵结构的结构-功能性能下降,为此提出一种金属三维多层点阵结构内部缺陷的检测方法.在Faster R-卷积神经网络架构基础上设计特征提取网络,结合工业CT扫描图片,对得到的断层灰度图像中缺陷部位进行快速、准确、智能检测识别和定位.实验验证结果表明,对金属三维多层点阵结构样件的内部典型缺陷识别率达到99.5％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张玉燕	燕山大学电气工程学院	35	156	7.0	12.0
5	温银堂	燕山大学电气工程学院	30	70	6.0	7.0
9	李永保	燕山大学电气工程学院	2	1	1.0	1.0
13	张芝威	燕山大学电气工程学院	2	1	1.0	1.0