一种针对超声检测图像的自适应阈值设置方法

在对图像阈值分割进行分析和已有算法的基础上,提出了一种针对超声波无损检测C扫描图像的自适应阈值设置方法,以实现对超声波C扫描图像的准确定量评估。该方法根据C扫描图像的灰度分布自动地计算相应的阈值,并进一步对特征区域进行分离和评估,从而克服固定阈值方法受超声波能量偏差影响大、难以准确评估的缺点。将该方法获得的结果与最大类间方差、最小交叉熵等方法的处理结果以及通过腐蚀试验获取的实际检测界面结果进行了对比,结果表明:该自适应阈值设置方法与其他分割方法相比,评估的结果更加准确,运算时间更短,并且结果受超声波能量偏差的影响最小。

基于U-Net改进的多尺度融合超声神经分割算法研究

大量传统的颈部超声神经检测算法,检测敏感性低,假阳性数量大,低层特征利用率不足。而颈部超声图像数量较少,边缘模糊且对噪声敏感。对此,提出一种改进型U-Net分支融合算法:改进损失函数,获得高质量的候选样本;使用多尺度卷积结构替换原结构中普通卷积层,增强特征提取能力;结合扩张卷积替换中、深层池化操作,提高低层特征利用率。通过对比实验验证了所提算法的算法性能。实验表明,与传统的U-Net和SegNet卷积网络对于小尺寸超声神经分割的结果相比,所提算法的分割效果较两者分别提升了近9%和17%,且对于正常尺寸和小尺寸的神经分割均有较高的分割精度。

IC封装的声学检查技术

本文简要叙述了依赖于封装构造,可在引线框架下也能发现诸如爆米花裂纹等缺陷的IC声学检测技术。