您好，欢迎来到中国测试科技资讯平台！
摘要：
工业火花塞图像数据量大,焊缝宽度小且肉眼不易分辨.传统火花塞焊缝图像缺陷检测依赖人工手动完成,任务繁琐,个人经验占比大,检测标准不一,导致图像检测结果有误差.针对上述情况,对工业X射线火花塞焊缝图像进行了深入研究,提出了一种基于快速区域卷积神经网络(Faster-RCNN)的目标检测方法对焊缝图像精确定位并提取.由于火花塞焊缝是直线,利用图论方法对焊缝进行直线检测,之后提取 出焊缝,校正倾斜焊缝直线并计算出其高度,最后加入焊缝判断系统,筛选出不合格的火花塞图像.实验结果表明,工业X射线焊缝缺陷检测准确率高于93%,误判漏判率低,有效缩短检测时间,提高工业检测效率,对实际工业火花塞智能检测有重要意义.
关键词： 焊缝图像;缺陷检测;快速区域卷积神经网络;深度学习;火花塞
作者： 田珠 桂志国 张鹏程 赵瑞祥 娄润东
作者单位： 中北大学 生物医学成像与影像大数据山西省重点实验室
刊名： 《测试技术学报》
Journal： Journal of Test and Measurement Technology
年，卷(期)： 2020, (1)
在线出版日期： 2020年02月03日
页数： 7
页码： 34-40
友情链接：
广告代理：秦皇岛北驰文化传播有限公司
理事会外联部
印 刷：成都天麦点金实业有限公司
国内总发行：成都市邮政局
邮发代号：62-260
国外发行：中国出版对外贸易总公司
国外代号：DK51019
中国标准连续出版物号：ISSN 1674-5124 CN51-1714/TB
业内最新资讯动态
请关注微信公众号
蜀ICP备11014963号-1 《中国测试》杂志社 版权所有 技术支持：成都驰创数码
文档下载