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：光学与光电技术, 2020, 18(03): 75-80.

DOI：10.19519/j.cnki.1672-3392.2020.03.014

• 复合材料
• 卷积神经网络
• 深度学习
• 机器视觉
• 图像增强

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。

• 单位
  南京航空航天大学