本發明公開了一種基于深度學習技術的焊縫超聲TOFD?D掃描缺陷類型的自動識別方法。首先,通過超聲TOFD?D掃描技術采集焊縫典型缺陷的D掃描圖像數據;其次,在MATLAB編程環境中搭建由特征圖提取卷積神經網絡VGG16、區域提議網絡RPN以及FRCN網絡構成FasterR?CNN深度學習網絡框架;最后,對Faster?R?CNN深度學習網絡進行分階段訓練。網絡測試結果顯示:Faster?R?CNN網絡具備高效識別焊縫D掃描圖像中缺陷類型的能力。本發明所公開的方法,充分利用了FasterR?CNN識別網絡對圖像識別的優勢,將其應用在焊縫超聲TOFD?D掃描圖像檢測中,避免了檢測人員主觀因素的影響,有效的提高了對TOFD?D掃描圖像中缺陷類型的識別能力及效率,具有檢測準確率高、魯棒性好、抗干擾性強的優點,可應用于智能化無損檢測技術中。
聲明:
“基于深度學習的焊縫超聲TOFD?D掃描缺陷類型的自動識別方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)