期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于多层神经网络的相控阵超声图像缺陷识别
被引量:
2
1
作者
程燕岷
林莉
+4 位作者
廖静瑜
张晓峰
杨会敏
张东辉
金士杰
《无损探伤》
2022年第6期6-10,共5页
针对相控阵超声检测(Phased Array Ultrasonic Testing,PAUT)图像缺陷的人工识别结果准确性和一致性难以保证的问题,本文提出一种基于多层神经网络的PAUT图像缺陷识别方法。在碳钢平板试件中设置长度为2mm~4mm,倾斜角度为0°~60...
针对相控阵超声检测(Phased Array Ultrasonic Testing,PAUT)图像缺陷的人工识别结果准确性和一致性难以保证的问题,本文提出一种基于多层神经网络的PAUT图像缺陷识别方法。在碳钢平板试件中设置长度为2mm~4mm,倾斜角度为0°~60°的裂纹,以及直径为2mm~5mm的横通孔,并进行PAUT检测与S扫描图像采集。构建用于训练和测试神经网络的数据集,其中训练集包含13500个样本,测试集包含1874个样本。基于多层卷积神经网络,对PAUT图像实施缺陷搜索,并区分体积型和面积型。根据分类结果加载不同参数进行语义分割,实现缺陷特征还原。研究结果表明,该方法的缺陷识别准确率达到94.53%,缺陷特征还原像素准确率(Class Pixel Accuracy,CPA)平均值与交并比(Intersection of Union,IoU)平均值分别为99.92%与0.979,且训练和预测过程十分高效。
展开更多
关键词
相控阵超声检测
缺陷识别
语义分割
多层神经网络
原文传递
题名
基于多层神经网络的相控阵超声图像缺陷识别
被引量:
2
1
作者
程燕岷
林莉
廖静瑜
张晓峰
杨会敏
张东辉
金士杰
机构
大连理工大学无损检测研究所
中国核工业二三建设有限公司
出处
《无损探伤》
2022年第6期6-10,共5页
文摘
针对相控阵超声检测(Phased Array Ultrasonic Testing,PAUT)图像缺陷的人工识别结果准确性和一致性难以保证的问题,本文提出一种基于多层神经网络的PAUT图像缺陷识别方法。在碳钢平板试件中设置长度为2mm~4mm,倾斜角度为0°~60°的裂纹,以及直径为2mm~5mm的横通孔,并进行PAUT检测与S扫描图像采集。构建用于训练和测试神经网络的数据集,其中训练集包含13500个样本,测试集包含1874个样本。基于多层卷积神经网络,对PAUT图像实施缺陷搜索,并区分体积型和面积型。根据分类结果加载不同参数进行语义分割,实现缺陷特征还原。研究结果表明,该方法的缺陷识别准确率达到94.53%,缺陷特征还原像素准确率(Class Pixel Accuracy,CPA)平均值与交并比(Intersection of Union,IoU)平均值分别为99.92%与0.979,且训练和预测过程十分高效。
关键词
相控阵超声检测
缺陷识别
语义分割
多层神经网络
Keywords
Phased Array Ultrasonic Testing(PAUT)
Defect Identification
Semantic Segmentation
Multilayer Neural Network
分类号
TG115.28 [金属学及工艺—物理冶金]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于多层神经网络的相控阵超声图像缺陷识别
程燕岷
林莉
廖静瑜
张晓峰
杨会敏
张东辉
金士杰
《无损探伤》
2022
2
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部