| 基于 Mask R CNN 的铸件X射线DR图像缺陷检测研究* .txt |
| |
| 引用本文： | 蔡彪,沈宽,付金磊,张理泽,.txt. 基于 Mask R CNN 的铸件X射线DR图像缺陷检测研究* .txt[J]. 仪器仪表学报, 2020, 41(3): 61-69 |
| |
| 作者姓名： | 蔡彪 沈宽 付金磊 张理泽 .txt |
| |
| 作者单位： | （1重庆大学 光电技术及系统教育部重点实验室重庆400044;2重庆大学 工业CT无损检测教育部工程研究中心重庆400044） .txt |
| |
| 基金项目： | *基金项目：重庆市自然科学基金（cstc2016jcyjA0353）、重庆市技术创新与应用发展项目（cstc2019jscx msxm0530）资助 .txt |
| |
| 摘 要： | 摘要：针对传统的铸件缺陷检测不能对缺陷进行分类分级等问题,提出了一种基于Mask R CNN的铸件X射线DR图像缺陷检测算法。首先对原始图像进行预处理,采用引导滤波进行图像平滑,平滑图像与原图像进行差分得到差分图像,将差分图像与平滑图像相加运算使图像增强,再利用Labelme进行图像标注,形成训练数据集。送入Mask R CNN深度学习网络,通过特征提取网络生成建议区域,分类、回归网络生成边界框和掩码,经多次参数调节后得到训练网络模型,最后测试数据集。实验数据结果表明,气泡1～5级的检测率分别为：667%,714%,774%,889%,875%;疏松1～5级检测率为：625%,722%,771%,833%,811%。检测结果证明应用Mask R CNN结合引导滤波增强方法的缺陷检测方法可以较好的实现对铸件X射线DR图像的缺陷检测的分级分类,为工业铸件缺陷检测提供了应用深度学习方法的解决方案。 .txt
|
| 关 键 词： | 关键词： Mask R CNN 深度学习 铸件缺陷 引导滤波 实例分割 .txt |
Research on defect detection of X ray DR images of casting based on Mask R CNN .txt |
| |
| Cai Biao,Shen Kuan,Fu Jinlei,Zhang Lize,.txt. Research on defect detection of X ray DR images of casting based on Mask R CNN .txt[J]. Chinese Journal of Scientific Instrument, 2020, 41(3): 61-69 |
| |
| Authors: | Cai Biao Shen Kuan Fu Jinlei Zhang Lize .txt |
| |
| Abstract: | |
| |
| Keywords: | Keywords:mask R CNN deep learning casting defect guided filter instance segmentation .txt |
|
| 点击此处可从《仪器仪表学报》浏览原始摘要信息 |
|
点击此处可从《仪器仪表学报》下载全文 |
|
