仪器仪表学报
儀器儀錶學報
의기의표학보
CHINESE JOURNAL OF SCIENTIFIC INSTRUMENT
2014年
9期
2012-2019
,共8页
余永维%殷国富%殷鹰%杜柳青
餘永維%慇國富%慇鷹%杜柳青
여영유%은국부%은응%두류청
射线图像%缺陷识别%深度学习%智能识别%神经网络
射線圖像%缺陷識彆%深度學習%智能識彆%神經網絡
사선도상%결함식별%심도학습%지능식별%신경망락
radiographic image%defect recognition%deep learning%intelligent recognition%neural network
针对建立射线无损检测智能化信息处理平台的需要,提出一种基于深度学习网络的智能识别方法.以卷积神经网络结构为基础,结合径向基神经网络非线性映射能力,构建一种模拟视觉感知原理的深度学习网络结构,并提出一种网络结构自生长方法和参数学习方法;然后在获取注意区域的基础上,模拟人类大脑深度学习的层次感知系统,使可疑区域的像素灰度信号直接通过深度学习层次网络,通过卷积网络逐层挖掘可疑缺陷区域的本质特征;最后利用径向基网络部分实现对射线图像缺陷的直接智能识别.实验中对复杂射线图像的缺陷识别率超过91％,优于传统方法.实验表明该方法有较高的准确率和较好的适应性,能够满足射线无损检测智能化信息处理平台的需要.
針對建立射線無損檢測智能化信息處理平檯的需要,提齣一種基于深度學習網絡的智能識彆方法.以捲積神經網絡結構為基礎,結閤徑嚮基神經網絡非線性映射能力,構建一種模擬視覺感知原理的深度學習網絡結構,併提齣一種網絡結構自生長方法和參數學習方法;然後在穫取註意區域的基礎上,模擬人類大腦深度學習的層次感知繫統,使可疑區域的像素灰度信號直接通過深度學習層次網絡,通過捲積網絡逐層挖掘可疑缺陷區域的本質特徵;最後利用徑嚮基網絡部分實現對射線圖像缺陷的直接智能識彆.實驗中對複雜射線圖像的缺陷識彆率超過91％,優于傳統方法.實驗錶明該方法有較高的準確率和較好的適應性,能夠滿足射線無損檢測智能化信息處理平檯的需要.
침대건립사선무손검측지능화신식처리평태적수요,제출일충기우심도학습망락적지능식별방법.이권적신경망락결구위기출,결합경향기신경망락비선성영사능력,구건일충모의시각감지원리적심도학습망락결구,병제출일충망락결구자생장방법화삼수학습방법;연후재획취주의구역적기출상,모의인류대뇌심도학습적층차감지계통,사가의구역적상소회도신호직접통과심도학습층차망락,통과권적망락축층알굴가의결함구역적본질특정;최후이용경향기망락부분실현대사선도상결함적직접지능식별.실험중대복잡사선도상적결함식별솔초과91％,우우전통방법.실험표명해방법유교고적준학솔화교호적괄응성,능구만족사선무손검측지능화신식처리평태적수요.
