作者
肖 静,孙胜娟,杨春成
文章摘要
本文对深度卷积神经网络（DCNN）在复合材料红外热像缺陷识别中的应用展开研究，复合材料凭借其出色的物理性能，于航空航天、汽车等领域实现了广泛应用，然而其在制造和使用进程中的内部缺陷，有可能对自身性能和安全性造成影响。红外热像检测技术凭借非接触、快速检测的显著优势，已在复合材料的质量控制和结构健康监测中获得广泛运用。本文构建了一种基于 DCNN 的缺陷识别方式，借由对红外热像图像展开自动特征提取与分析，达成了对缺陷的高效识别。
文章关键词
深度卷积神经网络；复合材料；红外热像；缺陷识别；质量控制
参考文献
[1] 杨建国.深度学习在复合材料缺陷检测中的应用研究[J].材料科学与工程,2022,40(5):123-130.
[2] 王晓华.红外热像技术在复合材料检测中的进展与挑战[J].无损检测,2021,35(3):45-52.
[3] 刘艳丽.基于深度卷积神经网络的图像识别技术研究[J].计算机应用研究,2020,37(7):85-92.
[4] 陈志强.复合材料结构健康监测技术的发展趋势[J].航空学报,2023,44(2):78-84.
Full Text:
DOI
