排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
针对传统的缺陷图像识别处理方式存在着准确度与辨识度不足,且处理缺陷种类单一的问题,提出了一种基于Cascade R-CNN和Mask R-CNN的神经网络模型。首先,为了提高缺陷检测的可视化效果和检测准确度,在实例分割卷积网络Mask R-CNN的基础上,结合级联神经网络Cascade R-CNN结构,组合成了新的级联实例分割Cascade Mask R-CNN网络;其次,对组合而成的级联卷积神经网络进行了训练,将训练好的模型对复合材料缺陷图像进行了检测。实验结果表明:检测的平均准确度达到了91.5%,平均置信度达到了97.3%,达到了检测精度的要求。该研究成果可运用于航天复合材料缺陷识别。 相似文献
2.
图像模板测量技术在零件不规则薄圆孔检测中的应用 总被引:1,自引:0,他引:1
针对不规则薄圆孔的检测,提出了一种基于数字图像处理的模板匹配检测方法,运用数字图像处理技术对采集的圆孔图像进行截取、降噪、分割、边缘检测等处理,再把提取出的圆与标定模板上的标准圆进行比较,实现对不规则圆孔尺寸的检测,并通过实验证明了该方法的可行性和实用性。 相似文献
3.
针对零件的不规则薄孔,常规的方法无法对其精确测量,提出了一种基于数字图像处理的模板匹配检测方法,运用数字图像处理技术对采集的圆孔网像进行截取、降噪、分割、边缘检测等处理,再把提取出的圆与标定模饭上的标准阋进行比较,实现对不规则网孔尺寸的检测,并通过实验证明了陔方法的可行性和实用性. 相似文献
1