基于Faster R-卷积神经网络的金属点阵结构缺陷识别方法

论文摘要

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%.

论文目录

• 0 引言
• 1 样件内部灰度图获取
• 2 基于Faster R-CNN的缺陷识别方法
•   2.1 Faster R-CNN网络结构
•   2.2 区域建议网络
•   2.3 感兴趣区域池化层
•   2.4 整体网络结构设计
• 3 缺陷识别结果分析
• 4 结论

文章来源

类型: 期刊论文

作者: 张玉燕,李永保,温银堂,张芝威

关键词: 金属点阵结构,缺陷识别,无损检测,扫描图像,卷积神经网络

来源: 兵工学报 2019年11期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 材料科学,计算机软件及计算机应用,自动化技术

单位: 燕山大学电气工程学院,燕山大学测试计量技术及仪器河北省重点实验室

基金: 河北省自然科学基金项目(E2017203240)

分类号: TB383.4;TP391.41;TP183

页码: 2329-2335

总页数: 7

文件大小: 516K

下载量: 155