基于CNN的端到端脉冲涡流分类与回归方法
计算机视觉与模式识别
2019-02-25 v1
摘要
脉冲涡流（PEC）是一种有效的金属材料电磁无损检测（NDI）技术，已广泛应用于多层结构中的裂纹和腐蚀检测。自动检测这些结构中的缺陷有助于进一步分析和处理。本文提出一种有效的端到端模型，利用卷积神经网络（CNN）从PEC数据中学习有效特征。具体而言，我们构建了一个基于一维CNN的多任务通用模型，同时预测缺陷的类别和深度。大量实验表明，我们的模型能够处理PEC数据上的分类和回归任务。与其他标准方法相比，我们提出的模型获得了更高的准确率和更低的误差。
引用
@article{arxiv.1902.08553,
title = {Towards end-to-end pulsed eddy current classification and regression with CNN},
author = {Xin Fu and Chengkai Zhang and Xiang Peng and Lihua Jian and Zheng Liu},
journal= {arXiv preprint arXiv:1902.08553},
year = {2019}
}
备注
Accepted by IEEE I2MTC 2019