本发明所提供的一种基于深度学习的射线图像焊缝缺陷检测方法,利用Faster RCNN网络对射线图像进行目标检测,在传统Faster RCNN的基础上,本发明增加背景减去网络层,得到五个模块的Faster RCNN网络结构,该背景减去网络层具有带更新的参数,能随着网络训练不断优化降低背景的效果,突出缺陷特点,同时,利用三支路区域推荐网络层代替传统区域推荐网络,它具有的两个回归分支使预测缺陷位置信息的任务得到细分,一个分支负责预测缺陷的中心点横坐标和宽,一个分支负责预测缺陷的中心点纵坐标和高,增强缺陷位置预测的准确度。
本发明所提供的一种基于深度学习的射线图像焊缝缺陷检测方法,利用Faster RCNN网络对射线图像进行目标检测,在传统Faster RCNN的基础上,本发明增加背景减去网络层,得到五个模块的Faster RCNN网络结构,该背景减去网络层具有带更新的参数,能随着网络训练不断优化降低背景的效果,突出缺陷特点,同时,利用三支路区域推荐网络层代替传统区域推荐网络,它具有的两个回归分支使预测缺陷位置信息的任务得到细分,一个分支负责预测缺陷的中心点横坐标和宽,一个分支负责预测缺陷的中心点纵坐标和高,增强缺陷位置预测的准确度。
评价单位:- (-)
评价时间:2023-06-27
李佳豪
重庆市菁英科技经济融合发展服务中心
企业孵化
综合评价
该项目主体内容项目符合国家产业政策,对促进当地行业技术进步、扩大就业、增加地方税收,都起到了积极的推动作用。
查看更多>