需求发布 成果发布 科创案例库 揭榜挂帅
技术路演 会议展览 科创联合体 项目申报
前沿动态 科技政策 院士开讲 青托工程
科技服务团 学术资源
试点城市(园区) 双创活动周
协作站点 学会服务
问题库 项目库 开源库
English
您所在的位置: 成果库 超声红外技术中联合时空域特征的深度学习缺陷识别方法

超声红外技术中联合时空域特征的深度学习缺陷识别方法

发布时间: 2023-06-28

来源: 科技服务团

基本信息

合作方式： 技术转让
成果类型： 发明专利,实用新型专利
行业领域：
新材料技术
成果介绍
本发明涉及一种超声红外技术中联合时空域特征的深度学习缺陷识别方法，属于无损探伤检测领域，包括：S1：对被测试件施加激励，获得被测物体表面的红外热图序列；
成果亮点
S2：选取最优的前景图像数和背景图像数，对热图序列数据进行减背景处理，得到温升热图序列；S3：选取某一时刻处的图像进行阈值分割；S4：将所有试件划分为训练集、验证集和测试集；S5：对二值图像进行标注；S6：在训练集和验证集中根据温升热图序列、阈值分割后的二值图像以及二值图像的标注文件，提取出白色像素点的一维时空域信号；在测试集中提取全部白色区域的一维时空域信号；S7：将时空域信号输入缺陷识别模型，得到含有白色区域的二值图像，白色即为缺陷。
团队介绍
曾智，谢金芳
成果资料