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. 何娟霞,黄丽文,蒋文豪,段青山. 前馈神经网络在预测连续泄漏系数中的应用. 安全与环境学报. 2024(06): 2179-2189 . 百度学术
    2. 陈莹莹,刘新根,黄永亮,李明东. 基于神经网络与边缘修正的隧道衬砌裂缝识别. 现代隧道技术. 2022(06): 24-34 . 百度学术
    3. 熊显名,张乾坤,秦祖军. 基于可见-近红外光谱的路面状况识别的研究. 红外技术. 2021(02): 131-137 . 本站查看
    4. 林少丹,冯晨,陈志德,朱可欣. 一种高效的车体表面损伤检测分割算法. 数据采集与处理. 2021(02): 260-269 . 百度学术
    5. 路永玲,胡成博,陶风波,秦剑华,王真. 基于无源测温的变压器接线端子温度异常检测方法研究. 中国测试. 2021(10): 46-51 . 百度学术

    其他类型引用(2)

计量
  • 文章访问数:  76
  • HTML全文浏览量:  15
  • PDF下载量:  17
  • 被引次数: 7
出版历程

目录

    /

    返回文章
    返回
    x 关闭 永久关闭

    尊敬的专家、作者、读者:

    端午节期间因系统维护,《红外技术》网站(hwjs.nvir.cn)将于2024年6月7日20:00-6月10日关闭。关闭期间,您将暂时无法访问《红外技术》网站和登录投审稿系统,给您带来不便敬请谅解!

    预计6月11日正常恢复《红外技术》网站及投审稿系统的服务。您如有任何问题,可发送邮件至编辑部邮箱(irtek@china.com)与我们联系。

    感谢您对本刊的支持!

    《红外技术》编辑部

    2024年6月6日