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. 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

    其他类型引用(5)

计量
  • 文章访问数:  76
  • HTML全文浏览量:  15
  • PDF下载量:  17
  • 被引次数: 10
出版历程

目录

    /

    返回文章
    返回