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
基于深度迁移学习的脉冲涡流热成像裂纹缺陷检测
被引量:
4
1
作者
郝柏桥
范玉刚
宋执环
《光学学报》
EI
CAS
CSCD
北大核心
2023年第4期138-146,共9页
提出一种迁移学习与深度学习相结合的钢板裂纹缺陷检测方法。首先,通过非负矩阵分解(NMF)建立红外缺陷数据集的目标域特征空间,以余弦相似度为衡量指标选取可见光缺陷数据集的源域样本,对深度学习模型进行预训练,并将模型权重参数迁移...
提出一种迁移学习与深度学习相结合的钢板裂纹缺陷检测方法。首先,通过非负矩阵分解(NMF)建立红外缺陷数据集的目标域特征空间,以余弦相似度为衡量指标选取可见光缺陷数据集的源域样本,对深度学习模型进行预训练,并将模型权重参数迁移至目标域,实现相似领域的知识迁移;然后,在YOLO v5算法基础上引入自适应空间特征融合(ASFF)模块,提高缺陷检测精度。实验结果表明:所提方法对钢板脉冲涡流热成像裂纹缺陷的检测精度达到98.6%,可实现不同长度裂纹的准确识别与定位。
展开更多
关键词
机器视觉
无损检测
脉冲涡流热成像
迁移学习
非负矩阵分解
YOLO
v5
原文传递
题名
基于深度迁移学习的脉冲涡流热成像裂纹缺陷检测
被引量:
4
1
作者
郝柏桥
范玉刚
宋执环
机构
昆明理工大学信息工程与自动化学院
昆明理工大学云南省人工智能重点实验室
浙江大学控制科学与工程学院
出处
《光学学报》
EI
CAS
CSCD
北大核心
2023年第4期138-146,共9页
基金
工业控制技术国家重点实验室(浙江大学)开放课题(ICT2022B06)。
文摘
提出一种迁移学习与深度学习相结合的钢板裂纹缺陷检测方法。首先,通过非负矩阵分解(NMF)建立红外缺陷数据集的目标域特征空间,以余弦相似度为衡量指标选取可见光缺陷数据集的源域样本,对深度学习模型进行预训练,并将模型权重参数迁移至目标域,实现相似领域的知识迁移;然后,在YOLO v5算法基础上引入自适应空间特征融合(ASFF)模块,提高缺陷检测精度。实验结果表明:所提方法对钢板脉冲涡流热成像裂纹缺陷的检测精度达到98.6%,可实现不同长度裂纹的准确识别与定位。
关键词
机器视觉
无损检测
脉冲涡流热成像
迁移学习
非负矩阵分解
YOLO
v5
Keywords
machine vision
nondestructive testing
pulsed eddy current thermography
transfer learning
non-negative matrix factorization
YOLO v5
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于深度迁移学习的脉冲涡流热成像裂纹缺陷检测
郝柏桥
范玉刚
宋执环
《光学学报》
EI
CAS
CSCD
北大核心
2023
4
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