基于PSO-BP神经网络的红外锁相缺陷属性识别

• 作者: 李浩然 陆金桂
• 来源期刊: 现代制造工程
• 学科: 工学
• 关键词: 红外锁相 特征提取 缺陷属性识别 BP神经网络 粒子群优化算法
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 仪器仪表/检测/监控
• 页码范围: 117-123
• 页数: 7页
• 分类号: TP183
• 字数: 4806字
• 语种: 中文
• DOI: 10.16731/j.cnki.1671-3133.2019.12.018

摘要

为解决红外检测缺陷属性识别困难的问题,提出了采用PSO-BP神经网络对缺陷属性识别,以红外锁相热图像灰度特征和锁相相位差及幅值为输入,缺陷的深度和面积为输出,然后以粒子群优化算法优化BP神经网络缺陷属性识别模型.使用ANSYS软件对带有平底孔洞的金属平板进行红外锁相分析,提取所需数据作为神经网络模型训练样本,使用神经网络进行预测.计算结果表明:预测值的面积平均误差为2.02％,深度平均误差为1.67％.证明了以PSO-BP神经网络方法进行红外锁相热图像缺陷属性识别的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆金桂	南京工业大学机械与动力工程学院	96	717	14.0	23.0
2	李浩然	南京工业大学机械与动力工程学院	2	0	0.0	0.0