论文部分内容阅读
针对实际应用中人工评定焊缝缺陷用时长、工作量大、难以完全识别等问题,提出一种基于深度学习的缺陷智能检测分析框架,利用深度残差网络(ResNet)解决焊缝特征复杂多样化的问题。框架将数字化胶片分为正常胶片图像与存在缺陷的胶片图像,通过训练图像分类模型以及缺陷标注模型,智能识别出疑似存在缺陷的数字化胶片并标注疑似缺陷,并提出对于数字化胶片的图像降噪、图像提取、图像增强等图像处理算法。测试结果表明,该框架在时间效率和准确率上效果良好。