| 基于深度学习特征的铸件缺陷射线图像动态检测方法 |
| |
| 引用本文： | 余永维,杜柳青,闫 哲,许贺作.基于深度学习特征的铸件缺陷射线图像动态检测方法[J].农业机械学报,2016,47(7):407-412. |
| |
| 作者姓名： | 余永维 杜柳青 闫 哲 许贺作 |
| |
| 作者单位： | 重庆理工大学,重庆理工大学,重庆理工大学,重庆理工大学 |
| |
| 基金项目： | 重庆市基础与前沿研究计划基金项目（cstc2013jcyjA70009）和国家自然科学基金青年基金项目（51075419） |
| |
| 摘 要： | 针对X射线检测中铸件微弱缺陷误检率和漏检率高的问题,提出一种基于选择性注意机制和深度学习特征匹配的缺陷动态跟踪检测方法。基于射线图像序列,采取帧内注意区域检测消除漏检、帧间深度学习特征匹配跟踪排除误检的策略。在帧内检测阶段,提出通过中央-周边梯度搜索方法模拟生物视觉的中央-周边差运算,根据梯度阈值直接检测各可疑缺陷区域,无需分割出缺陷本身。在帧间跟踪阶段,借鉴人类大脑视觉感知系统的深度学习层次结构,建立基于卷积神经的深度学习网络,可疑缺陷区域灰度信号直接作为输入,自动抽取表征可疑缺陷区域的本质特征信息,组成深度学习特征矢量。定义基于欧氏距离的特征矢量相似度,通过连续图像中可疑缺陷区域的相似度匹配实现缺陷跟踪,以消除噪声等伪缺陷。实验结果表明,基于深度学习特征匹配方法的铸件缺陷图像动态检测,误检率和漏检率均低于3%,缺陷检测准确率超过97%,证明了所提方法的有效性。
|
| 关 键 词： | 铸件 缺陷检测 射线图像 深度学习 注意机制 |
| 收稿时间： | 4/7/2016 12:00:00 AM |
Dynamic Detection of Casting Defects Radiographic Image Based on Deep Learning Feature |
| |
| Yu Yongwei,Du Liuqing,Yan Zhe and Xu Hezuo.Dynamic Detection of Casting Defects Radiographic Image Based on Deep Learning Feature[J].Transactions of the Chinese Society of Agricultural Machinery,2016,47(7):407-412. |
| |
| Authors: | Yu Yongwei Du Liuqing Yan Zhe and Xu Hezuo |
| |
| Institution: | Chongqing University of Technology,Chongqing University of Technology,Chongqing University of Technology and Chongqing University of Technology |
| |
| Abstract: | |
| |
| Keywords: | casting defect detection radiographic image deep learning visual attention mechanism |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
|
