基于深度CNN结构的激光超声可视化检测图像缺陷检测研究
计算机视觉与模式识别
2023-05-31 v1 人工智能
摘要
近年来，超声无损检测的重要性日益增加，将激光超声检测与散射波可视化技术相结合的激光超声可视化检测（LUVT）的潜力备受期待。即便散射波已被可视化，检测人员仍须仔细检视图像。为实现自动化，本文提出一种深度神经网络，用于LUVT图像中的缺陷自动检测与定位。为探索适用于该任务的神经网络结构，我们将LUVT图像分析问题与通用目标检测问题进行了比较。使用来自SUS304平板的真实数据进行的数值实验表明，所提方法在预测性能方面优于通用目标检测模型。我们还表明，预测所需的计算时间快于通用目标检测模型。
引用
@article{arxiv.2305.18327,
title = {A Study on Deep CNN Structures for Defect Detection From Laser Ultrasonic Visualization Testing Images},
author = {Miya Nakajima and Takahiro Saitoh and Tsuyoshi Kato},
journal= {arXiv preprint arXiv:2305.18327},
year = {2023}
}