排序方式： 共有1条查询结果，搜索用时 0 毫秒
1
1.
针对发电站制冷管射线图像的焊缝区域对比度较低,特征不明显,传统方法难以实现精确搜索的问题,提出一种基于深度学习的发电站制冷水管焊缝区域搜索方法。利用限制对比度的自适应直方图均衡化(CLAHE)限制图像统计直方图的幅度,抑制噪声放大,得到直方图的累积分布函数(CDF),以校正图像的低对比度;利用深度神经网络的24个卷积层提取输入图像的特征,2个全连接层预测图像位置和类别概率,实现水冷壁管焊缝区域的检测,以克服传统模板匹配精度低,时间复杂度高的问题。对100张制冷管射线图片按4:1:5分为训练集、验证集和测试集,利用训练集和验证集对深度神经网络进行训练,将图像送进训练好的模型,预测制冷管焊缝区域的位置。试验结果表明：基于深度学习的焊缝区域搜索方法可以实现焊缝的精确搜索,准确率达到96%,搜索效率及准确度高。#$NL关键词：发电站制冷管;焊缝区域;深度神经网络;射线图片;深度学习#$NL中图分类号：TN911.73 相似文献
1