公开(公告)号：CN111325748A

公开(公告)日：2020-06-23

申请号：CN202010199923.X

申请日：2020-03-20

Applicant: 哈尔滨工业大学

Inventor： 迟永钢 ,  范嘉麟 ,  夏岳隆 ,  逄博

IPC: G06T7/00

Abstract: 一种基于卷积神经网络的红外热像无损检测方法，属于图像识别领域。现有的目前卷积神经网络的无损检测未能在红外成像上应用的问题。一种基于卷积神经网络的红外热像无损检测方法，包括如下步骤：布置红外图像数据采集场景，采集待测物的具有缺陷的红外图像；对采集到的待测物的具有缺陷的红外图像进行增强和降噪处理，完成预处理过程；利用预处理后的待测物的具有缺陷的红外图像，进行数据集增广及构建；融合VGG16和DenseNet169网络的模型，并利用数据集对该融合模型进行训练和测试识别；利用融合的网络模型，对待测物的具有缺陷的红外图像中的缺陷进行识别及检测。本发明检测方法的识别精度达到98.5％。

公开(公告)号：CN111325748B

公开(公告)日：2023-08-25

申请号：CN202010199923.X

申请日：2020-03-20

Applicant: 哈尔滨工业大学

Inventor： 迟永钢 ,  范嘉麟 ,  夏岳隆 ,  逄博

IPC: G06T7/00

Abstract: 一种基于卷积神经网络的红外热像无损检测方法，属于图像识别领域。现有的目前卷积神经网络的无损检测未能在红外成像上应用的问题。一种基于卷积神经网络的红外热像无损检测方法，包括如下步骤：布置红外图像数据采集场景，采集待测物的具有缺陷的红外图像；对采集到的待测物的具有缺陷的红外图像进行增强和降噪处理，完成预处理过程；利用预处理后的待测物的具有缺陷的红外图像，进行数据集增广及构建；融合VGG16和DenseNet169网络的模型，并利用数据集对该融合模型进行训练和测试识别；利用融合的网络模型，对待测物的具有缺陷的红外图像中的缺陷进行识别及检测。本发明检测方法的识别精度达到98.5％。