基于一维卷积神经网络的联动扫描热成像缺陷自动识别与深度回归

• 作 者: 牟欣颖 何赟泽 王洪金 邓堡元 杨渊 周可 杨瑞珍
• 机 构: 湖南大学 电气与信息工程学院 长沙 410082;湖南大学 电气与信息工程学院 长沙 410082;国防科技大学 装备综合保障技术重点实验室 长沙 410073;湖南大学 电气与信息工程学院 长沙 4
• 出 处: 电子测量与仪器学报
• 发表日期: 2021年04期
• 关键词: 红外热成像 机器视觉 深度学习 缺陷

联动扫描热成像(joint scanning thermography, JST)可以用于检测大面积对象的缺陷,但原始热图像缺陷信息模糊且无法实现缺陷定量。针对联动扫描热成像重构后的图像序列,提出了一种基于一维卷积神经网络(one-dimensional convolutional neural network, 1D-CNN)的缺陷识别和定量方法,以图像序列中像素点对应的一维温度时间序列为网络输入,将缺陷深度作为输出,实现了碳纤维复合材料板中缺陷的自动检测和深度定量。实验结果显示,基于1D-CNN