文档名：基于深度学习激光熔覆层树枝晶的形貌识别
在增材制造技术中,树枝晶的表征对于分析激光熔覆层的机械性能至关重要,但目前树枝晶的标记主要由人工完成,耗时长且容易引入人为误差,而深度学习可提高目标识别准确度.基于U-net网络提出了适于识别分割树枝晶的BNC-Unet网络,将串行注意力机制和BatchNormalization层有效地部署在上采样和下采样区域,调整图像特征的权重信息.选取交并比作为分割结果的评价指标,并对比了原Unet以及不同的改进方法在该指标下的结果.在测试集中,BNCUnet网络分割树枝晶准确率指标为84.2％,比原U-net网络结果提升了8.97％.该指标表明网络能准确地从激光熔覆层金相图中识别出树枝晶形貌,且识别树枝晶的准确率显著提高,便于在激光熔覆试验后评估熔覆层性能.
作者：郭士锐王凯祥崔陆军李晓磊郑博陈永骞
作者单位：中原工学院机电学院,河南郑州450007
母体文献：第三届军用光电技术发展论坛论文集
会议名称：第三届军用光电技术发展论坛
会议时间：2022年4月1日
会议地点：南京
主办单位：西安应用光学研究所
语种：chi
分类号：
关键词：激光熔覆 树枝晶 视觉检测 语义分割 深度学习 串行注意力
在线出版日期：2022年9月21日
基金项目：
相似文献
相关博文
- 文件大小:
- 3.93 MB
- 下载次数:
- 60
-
高速下载
|
|
