高级检索
ENGLISH

基于卷积神经网络的红外热成像罐车内壁裂纹识别

王威, 李青, 孙叶青, 钟海见, 夏新华

王威, 李青, 孙叶青, 钟海见, 夏新华. 基于卷积神经网络的红外热成像罐车内壁裂纹识别[J]. 红外技术, 2018, 40(12): 1198-1205.
引用本文: 王威, 李青, 孙叶青, 钟海见, 夏新华. 基于卷积神经网络的红外热成像罐车内壁裂纹识别[J]. 红外技术, 2018, 40(12): 1198-1205.
shu
WANG Wei, LI Qing, SUN Yeqing, ZHONG Haijian, XIA Xinhua. Inner Crack Identification on Car Tanks Using Thermal Imaging Based on Convolutional Neural Network[J]. Infrared Technology , 2018, 40(12): 1198-1205.
Citation: WANG Wei, LI Qing, SUN Yeqing, ZHONG Haijian, XIA Xinhua. Inner Crack Identification on Car Tanks Using Thermal Imaging Based on Convolutional Neural Network[J]. Infrared Technology , 2018, 40(12): 1198-1205.
shu

基于卷积神经网络的红外热成像罐车内壁裂纹识别

  • 中国计量大学 灾害监测技术与仪器国家地方联合工程实验室,浙江 杭州,310018

  • 浙江省特种设备检验研究院,浙江 杭州,310020

  • 浙江省特种设备检验研究院

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

  • 中图分类号: TN219

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

摘要

    摘要
  • 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％.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献
    • 资源附件(0)
计量
  • 文章访问数:  76
  • HTML全文浏览量:  15
  • PDF下载量:  17
  • 被引次数: 0
出版历程

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献
    资源附件(0)

    /

    返回文章
    返回

    版权所有 © 《红外技术》编辑部京ICP备000000000号-1

    本系统由 北京仁和汇智信息技术有限公司 开发  百度统计