本发明公开一种基于深度学习二维时间序列图像的焊缝无损检测方法,采用多尺度自适应高斯滤波优化的Steger算法提取焊缝的中心轨迹,可根据焊缝轮廓粗细不同自适应调整中心轨迹像素点位置坐标,避免因提取中心轨迹断裂而出现的误差,可得到准确的焊缝数据,并将此焊缝数据视为特殊时间单位的一维时间序列数据,进而得到适合应用神经网络的最佳二维时间序列图像。具有如下优点:鲁棒性高,处理速度快;将焊缝特征在维度和尺度上进行扩展更容易凸显缺陷;利用现有的深度学习模型对焊缝最佳二维时间序列图像进行孔洞、毛刺、凹陷及无缺陷分类,实现更高的检测准确率且泛化能力更强。
声明:
“基于深度学习二维时间序列图像的焊缝无损检测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)