[發(fā)明專利]基于改進卷積神經(jīng)網(wǎng)絡的工業(yè)CT識別復材內部缺陷方法

有效

• 申請?zhí)枺?/td>: 202210856814.X
• 申請日: 2022-07-20
• 公開（公告）號: CN115115610B
• 公開（公告）日: 2023-08-22
• 發(fā)明（設計）人: 汪俊;單忠德;康正水;馬曉康;曾航彬
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/40;G06N3/0464;G06N3/08
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 徐燕

本申請公開了基于改進卷積神經(jīng)網(wǎng)絡的工業(yè)CT識別復材內部缺陷方法。包括以下步驟：S1：通過工業(yè)CT掃描構件，以獲取CT切片的圖像數(shù)據(jù)；S2：對獲取的CT切片圖像數(shù)據(jù)進行預處理，并進行分組；S3：搭建改進U?net網(wǎng)絡；S4：對改進的U?net網(wǎng)絡設計損失函數(shù)；S5：結合步驟S4設計的損失函數(shù)，將步驟S2劃分的分組對步驟S3搭建好的改進U?net網(wǎng)絡分別進行訓練、驗證和測試；并將處理后的改進U?net網(wǎng)絡對復材構件的CT切片數(shù)據(jù)進行缺陷識別。通過上述內容對復材構件的CT切片數(shù)據(jù)進行缺陷的識別，具有高檢測精度和快速識別缺陷的特點。

技術領域

本發(fā)明涉及識別缺陷技術領域，特別涉及基于改進卷積神經(jīng)網(wǎng)絡的工業(yè)CT識別復材內部缺陷方法。

背景技術

復合材料具有優(yōu)良的結構性能，但在其生產(chǎn)制造過程的工藝技術及操作和材料自身的使用耗損下，復合材料不可避免出現(xiàn)缺陷與損傷。工業(yè)CT是目前在復合材料內部結構無損檢測上最精確、最可靠的檢測手段之一，具有很高空間分辨率和對比分辨率，可以很直觀、立體地呈現(xiàn)復合材料內部結構性、缺陷的空間分布以及材料的分布狀態(tài)。

就工業(yè)CT圖像檢測缺陷而言，目前國內外尚未形成完整通用的算法，大致可以分為兩種算法：基于人工的方法和基于深度學習的方法。基于人工的缺陷檢測方法需要人手工構建和選擇目標特征，并選取合適的分類器進行識別，存在缺陷識別可凹形不夠的情況，且工業(yè)CT進行一次構件掃描獲得的斷層數(shù)據(jù)非常大，可達到幾十G，處理時間長。使用基于深度學習的方法具有數(shù)據(jù)驅動、自動提取特征的特點，可以在缺陷面積變化、背景區(qū)域復雜圖像上準確識別與定位缺陷，提高對圖像多特征識別的魯棒性。目前，關于深度學習的工業(yè)CT對復材內部缺陷識別的研究很少。

發(fā)明內容

本發(fā)明針對現(xiàn)有技術中的不足，提供基于改進卷積神經(jīng)網(wǎng)絡的工業(yè)CT識別復材內部缺陷方法；以解決背景技術中所提出的缺陷問題。

為實現(xiàn)上述目的，本發(fā)明采用以下技術方案：

基于改進卷積神經(jīng)網(wǎng)絡的工業(yè)CT識別復材內部缺陷方法，包括以下步驟：

S1：通過工業(yè)CT掃描構件，以獲取CT切片的圖像數(shù)據(jù)；

S2：對步驟S1獲取的CT切片圖像數(shù)據(jù)進行預處理，并按照訓練集、驗證集和測試集進行分組；

S3：搭建改進U-net網(wǎng)絡；

S4：對搭建改進的U-net網(wǎng)絡設計損失函數(shù)：基于二分類交叉熵損失函數(shù)和Dice相似系數(shù)損失函數(shù)的耦合設計損失函數(shù)；

S5：結合步驟S4設計的損失函數(shù)，將步驟S2劃分的分組對步驟S3搭建好的改進U-net網(wǎng)絡分別進行訓練、驗證和測試；并將處理后的改進U-net網(wǎng)絡對復材構件的CT切片數(shù)據(jù)進行缺陷識別。

為優(yōu)化上述技術方案，采取的具體措施還包括：

進一步地，步驟S2的具體內容為：

S2.1：對步驟S1獲取的CT切片圖像數(shù)據(jù)進行預處理，包括進行圖像增強、濾波；

S2.2：將預處理完的圖像進行數(shù)據(jù)集的劃分，所述訓練集、驗證集和測試集的數(shù)據(jù)比例為8：1：1。

進一步地，步驟S2.1中所述圖像增強的具體內容為：

使用直方圖均衡化方法對圖像數(shù)據(jù)進行初步圖像增強，在初步圖像增強處理完的基礎上基于線性插值的二次均衡處理以減小過暗或者過亮的情況，提高對比度；具體使用的公式為：