基于卷积神经网络的环状CFRP图像缺陷检测研究

作者：章栩苓; 周正东^*; 毛玲; 张灵维; 魏士松

来源：机械设计与制造工程, 2022, 51(09): 12-16.

• 碳纤维复合材料
• 图像变换
• 最小二乘法
• 卷积神经网络
• LeNet-5

碳纤维增强复合材料(CFRP)广泛应用在航空航天等领域中，其内部缺陷易引发灾难性的事故，X射线成像是CFRP缺陷检测的常用手段。为了有效减少图像背景对环状CFRP X射线图像缺陷检测性能的影响，提出了一种结合LeNet-5卷积神经网络和图像变换的环状CFRP图像缺陷检测新方法。首先对环状CFRP的X射线图像进行极坐标变换，然后提取变换图像中的感兴趣区域并对其进行分块构成LeNet-5网络训练和测试的数据集，最后根据图像块的二分类结果得到缺陷的局部区域，实现缺陷检测。实验结果表明，所提方法能显著提高缺陷检测性能，与利用原始图像对LeNet-5进行训练相比，该方法使得缺陷检测的召回率、查准率和F1值分别提高了11.02%、38.60%和25.02%。

• 单位
  上海航天精密机械研究所; 机械结构力学及控制国家重点实验室; 南京航空航天大学