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.
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.

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
  • 中图分类号: TN219

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%.
  • 期刊类型引用(5)

    1. 李硕,韩迎东,王双,刘琨,江俊峰,刘铁根. 基于Pearson相关系数的图像误匹配点剔除算法. 激光与光电子学进展. 2021(08): 263-273 . 百度学术
    2. 赵耀,熊智,田世伟,刘建业,崔雨晨. 基于SAR图像匹配结果可信度评价的INS/SAR自适应Kalman滤波算法. 航空学报. 2019(08): 216-227 . 百度学术
    3. 李尊,申小萌,苗同军. 对比度阈值自适应的SIFT图像拼接算法. 红外技术. 2017(10): 946-950 . 本站查看
    4. 林丽萍,张亚萍. 基于错配剔除的三维重建研究. 系统仿真学报. 2017(11): 2644-2648 . 百度学术
    5. 杨雨薇,张亚萍. 一种改进的SIFT图像检测与特征匹配算法. 云南大学学报(自然科学版). 2017(03): 376-384 . 百度学术

    其他类型引用(10)

计量
  • 文章访问数:  80
  • HTML全文浏览量:  15
  • PDF下载量:  17
  • 被引次数: 15
出版历程

目录

    /

    返回文章
    返回