基于卷积神经网络的复材射线图像孔缺陷识别

• 作者: 张逸 程筱胜 崔海华 石诚 张小迪 张逢骏
• 来源期刊: 光学与光电技术
• 学科: 工学
• 关键词: 复合材料 卷积神经网络 深度学习 机器视觉 图像增强
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 图像与信号处理
• 页码范围: 75-80
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文

摘要

为了满足探测复合材料内部缺陷非接触无损检测需求,研究复合材料内部缺陷(以气孔为例)无损检测识别技术,提出了基于机器视觉的复合材料缺陷图像识别检测方法.该方法通过在数字化射线技术(DR技术)进行复合材料缺陷图像采集,同时针对射线图像对比度差等特点,采用自适应直方图均衡化来提高射线图像对比度,增强图像细节,使之易于分辨,修改基于Yolo-v3的输入输出,并采用自行构建的数据集对其进行标注与训练,计算所得平均精度map为86.04％,实现了对复合材料孔缺陷的高精度快速检测与识别.