基于深度学习的汽车轮毂缺陷自动分割技术

摘要：

针对建立轮毂无损检测智能化平台的需要,提出一种基于深度学习算法的轮毂缺陷自动分割方法,利用卷积神经网络的结构和径向基函数神经网络的非线性特点,构造一种深度学习网络结构来模拟人类的视觉感知.依据汽车轮毂X射线图像,利用U-Net网络来训练轮毂缺陷分割模型,并在感兴趣区域的基础上模拟人脑层次感知系统,该层次感知系统能识别感兴趣区域的灰度像素,通过深度学习分层网络和卷积神经网络,逐层提取缺陷区域的内在特征,从而实现轮毂缺陷的自动分割.结果 表明:本文方法针对复杂轮毂缺陷的识别率达到90％以上,且识别时间开销大约5 ms/张,优于传统方法.可见该方法能够满足轮毂缺陷自动分割的需求,具有潜在的应用前景.

关键词：轮毂射线图像、缺陷识别、深度学习、智能识别、神经网络

所属期刊栏目：20

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;国家重大科学仪器设备开发专项;山西省科技攻关项目

在线出版日期：2020-10-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：9976-9981