本发明公开了一种基于深度学习技术的焊缝超声TOFD‑D扫描缺陷类型的自动识别方法。首先,通过超声TOFD‑D扫描技术采集焊缝典型缺陷的D扫描图像数据;其次,在MATLAB编程环境中搭建由特征图提取卷积神经网络VGG16、区域提议网络RPN以及FRCN网络构成FasterR‑CNN深度学习网络框架;最后,对Faster R‑CNN深度学习网络进行分阶段训练。网络测试结果显示:Faster R‑CNN网络具备高效识别焊缝D扫描图像中缺陷类型的能力。本发明所公开的方法,充分利用了FasterR‑CNN识别网络对图像识别的优势,将其应用在焊缝超声TOFD‑D扫描图像检测中,避免了检测人员主观因素的影响,有效的提高了对TOFD‑D扫描图像中缺陷类型的识别能力及效率,具有检测准确率高、鲁棒性好、抗干扰性强的优点,可应用于智能化无损检测技术中。
声明:
“基于深度学习的焊缝超声TOFD‑D扫描缺陷类型的自动识别方法” 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)