| 基于卷积神经网络的航天复合材料缺陷智能检测 |
| |
| 引用本文： | 董学金,邵红亮,李志学,罗钧.基于卷积神经网络的航天复合材料缺陷智能检测[J].上海航天,2022,39(4):154-160. |
| |
| 作者姓名： | 董学金 邵红亮 李志学 罗钧 |
| |
| 作者单位： | 上海卫星装备研究所，上海 200240;重庆大学 光电技术及系统教育部重点实验室，重庆 400030 |
| |
| 基金项目： | 上海航天科技创新SAST基金(JG20180209) |
| |
| 摘 要： | 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。
|
| 关 键 词： | 深度学习 级联区域卷积神经网络 复合材料 缺陷检测 实例分割 |
| 收稿时间： | 2020/12/31 0:00:00 |
| 修稿时间： | 2021/1/13 0:00:00 |
Intelligent Detection of Defects in Aerospace Composite Materials Based on Convolutional Neural Network |
| |
| DONG Xuejin,SHAO Hongliang,LI Zhixue,LUO Jun.Intelligent Detection of Defects in Aerospace Composite Materials Based on Convolutional Neural Network[J].Aerospace Shanghai,2022,39(4):154-160. |
| |
| Authors: | DONG Xuejin SHAO Hongliang LI Zhixue LUO Jun |
| |
| Abstract: | |
| |
| Keywords: | deep learning Cascade R-CNN composite material defect detection instance segmentation |
|
| 点击此处可从《上海航天》浏览原始摘要信息 |
| 点击此处可从《上海航天》下载免费的PDF全文 |
