基于深度学习的涡流热成像技术在无损检测中的应用

• 作 者: 毕野 熊新 叶波 吴建德 范玉刚 高阳
• 机 构: 昆明理工大学信息工程与自动化学院,云南省矿物管道输送工程技术研究中心
• 出 处: 化工自动化及仪表
• 发表日期: 2019年9期
• 关键词: 无损检测 金属板材 涡流热成像 智能识别 深度学习 卷积神经网络 自适应特征提取
• 基金项目: 国家自然科学基金项目(51465024)

设计实现了一套涡流热成像无损检测系统,对试件进行涡流加热,使用热像仪进行探测,以热图像的形式展示试件温度变化情况来表征试件的损伤特征,并使用基于深度学习网络的智能识别方法诊断试件的损伤程度。该无损探伤方法使用卷积神经网络逐层挖掘可疑缺陷区域的本质特征。实验结果表明:该系统对金属板材试件损伤程度识别的准确率能达到97.3%,证明该系统具有较高的准确率和较好的适应性。