激光与红外

作者：魏博文

单位：1.西安石油大学电子工程学院,陕西 西安 710065；2.西安石油大学 陕西省油气井测控技术重点实验室,陕西 西安 710065；

关键词：缺陷检测;激光超声;卷积神经网络

基金：陕西省自然科学基金项目(No.2020JQ-788)；陕西省重点研发项目(No.2020GY-179)；西安石油大学研究生创新与实践能力培养项目(No.YCS21113139)资助。

检测金属铸件在工程和使用过程中可能存在的缺陷,应用基于热弹机制的激光超声可视化检测仪对铸件进行扫描并将信号制成最大振幅图像,实现对铸件的可视化检测。为了高效、快速地对最大振幅图进行批量处理,结合卷积神经网络图像处理技术对最大振幅图进行识别。针对任务需要设计了一个卷积神经网络架构对最大振幅图进行识别,识别过程中通过改变卷积层和卷积核大小设置了不同的卷积神经网络架构,将预先设计的架构与其他的架构进行横向对比,实验结果表明预设架构综合性能最好。相同实验条件下,该卷积神经网络架构为使用最大振幅图检测铸件缺陷提供了一个有效可行的方案。

来源：2022年第9期

《激光与红外》期刊编辑部

查看激光与红外杂志2022年第9期