共查询到10条相似文献,搜索用时 171 毫秒
1.
2.
为提升焊缝无损缺陷检测的效率和性能,行业内对无损检测方法和人工智能相关工业视觉检测方法等检测形式进行了深度研究,在此基础上提出了基于深度卷积神经网络的焊缝缺陷自动检测算法。通过对焊缝缺陷数据进行收集和分析,对焊缝缺陷数据具体的分布特征进行总结,在焊缝缺陷的尺度差距和分布范围等特征中引入不同的空洞卷积,进而提升缺陷检测的性能,然后基于空洞卷积以及无锚框检测框架设计出自动检测缺陷的算法,对环焊缝X射线缺陷进行有效检测。由高炜欣编著、科学出版社出版的《埋弧焊X射线焊缝图像缺陷检测算法研究》一书对基于深度卷积神经网络的环焊缝X射线焊缝缺陷检测算法进行了详细的介绍,能够对技术人员的工作进行有效指导。 相似文献
3.
针对超声检测碳复合材料易出现的信噪比较低的问题,本文具体分析了典型的超声检测信号的组成和分离方法,提出利用小波包变换提取反映缺陷性质的特征值。结合MATLAB的工具箱编写信号处理程序,实现对信号的小波包的分解,同时输出信号的特征参数值和相关的分析结果图。最后,利用谊程序对带缺陷的碳复合材料进行分析,通过提取的特征值可以方便实现对缺陷定位的无损检测。 相似文献
4.
对于织物缺陷的检测,可以使用多种不同的图像处理技术.而具有多分辨特性的小波变换是一种分析图像的新方法,它的变尺度特性与人类视觉中的空间频率多通道相吻合.使用小波分析的方法对3种织物缺陷进行检测分类.首先将织物图像进行3层小波分解,然后把小波分解后的图像灰度值作为特征参数输入到BP神经网络进行检测识别,实验结果表明,用这种方法识别织物缺陷识别率可达到98%。 相似文献
5.
6.
基于神经网络的复合材料缺陷超声波检测研究 总被引:1,自引:0,他引:1
描述了三维编织复合材料内部缺陷的超声波检测方法。在实现方法上,系统对三维编织复合材料的超声波A扫描回波信号进行小波包变换后,材料的内部缺陷信号被分解后表示为能量特征,并将缺陷特征值作为BP神经网络的输入参数,通过BP神经网络实现对三维编织复合材料微裂纹和孔隙的分类识别,并对三维编织复合材料缺陷自动化识别。实验结果证明该方法分析三维编织复合材料内部缺陷是可行性。 相似文献
7.
为建立基于红外光谱的食用植物油种类鉴别方法,收集了常见的5种食用植物油样本296份,采集红外光谱,分别通过Savitzky-Golay平滑、希尔伯特变换、IIR低通滤波器、IIR高通滤波器、连续小波变换、一阶导数、二阶导数进行预处理,并利用径向基函数(RBF)神经网络和随机森林(RF)模型对光谱进行识别。结果表明:RBF神经网络模型的效果优于RF模型,将红外光谱数据经希尔伯特变换处理后,RBF神经网络模型的识别率达到100%。采用该方法对食用植物油进行种类鉴别快速无损、准确率高、效果好。 相似文献
8.
9.
王丽娟 《郑州轻工业学院学报(自然科学版)》2010,25(2):82-84
提出了一种基于Gabor变换和BP神经网络的人脸检测算法.该算法以Matlab为平台,运用Ga-bor小波变换实现图像特征的提取,并对所提取的特征进行降维处理,通过构造2层BP神经网络,对从ORL人脸库中提取的样本进行训练学习并利用模板匹配及形态学腐蚀和膨胀处理,实现对测试样本的人脸检测.试验结果表明,该算法计算复杂度低,运算快,对正面人脸的检测与定位准确性较高. 相似文献