基于卷积神经网络的红外热成像罐车内壁裂纹识别

基金项目: 国家质量监督检验检疫总局科技计划项目(2014QK198)

详细信息

Inner Crack Identification on Car Tanks Using Thermal Imaging Based on Convolutional Neural Network

摘要: 针对传统无损检测技术在罐车内壁裂纹检测中效率低、抗干扰能力差等问题,提出一种基于卷积神经网络的热成像裂纹识别方法.研制了一种滚动式电加热棒作为热激励源,并采用新的激励方式对被检测表面进行热激励;根据热量传输过程中遇到裂纹时温度产生异常的原理,对被检测表面裂纹进行判断;采集热激励后的红外热图像作为训练样本,并搭建5层卷积神经网络对样本进行训练.实验表明,利用红外热成像与卷积神经网络可以对裂纹进行准确识别;检测效率高、鲁棒性强;并且在测试集上识别准确率达到96.50％.
- 罐车 /
- 裂纹检测 /
- 热成像 /
- 卷积神经网络

1.	张泽鹏，王仁义. 建筑混凝土轻钢结构损伤可靠检测仿真研究. 计算机仿真. 2024(01): 256-260 . 百度学术
2.	潘隆，孙新文，刘国帅，刘景明，陈文武，申志远. 基于红外热成像的精馏塔冷凝器液位识别装置及算法研发. 安全、健康和环境. 2024(06): 6-13 . 百度学术
3.	许瀚文. 桥梁红外无损检测主观评价指标探析. 福建交通科技. 2022(02): 85-88 . 百度学术
4.	孔松涛，谢义，王松，王堃，韩玉军，蔡萍. 红外热像增强算法发展研究综述. 重庆科技学院学报(自然科学版). 2021(04): 77-83 . 百度学术
5.	邓超迪，李川，李英娜. 基于直方图均衡化和双边滤波的变压器红外图像增强. 电力科学与工程. 2020(11): 38-44 . 百度学术