基于深度学习的焊缝缺陷X射线检测图像识别与增强
摘要：为了提高焊缝缺陷X射线图像识别的准确率,需要采用有效的图像增强技术,笔者研究了不同图像增强方法对焊缝图像质量的影响,用峰值信噪比、结构相似度、结构清晰度、信息熵等参数对图像增强质量进行评价。试验结果表明,直方图均衡化（HE）与限制对比度自适应直方图均衡化(CLAHE)有较好的对比度增强效果,非局部均值滤波(NLM)与小波降噪(DWT)的去噪综合表现较好。基于CLAHE-NLM的图像增强处理可以更有效地帮助深度学习模型进行焊缝缺陷分类识别,焊缝缺陷分类的准确率与F1值达97.6%和96.93%,相较于未增强处理的数据集提高了3.2%与5.23%。
标题：基于深度学习的焊缝缺陷X射线检测图像识别与增强
作者：王树森,李萍,黄大伟,李晓庆,吴中华,张忠仁,王爽,田双,杨毅德,
关键词：图像增强,深度学习,焊缝缺陷,X射线,
发表日期：2024年6月
- 文件大小:
- 700.09 KB
- 下载次数:
- 60
-
高速下载
|
|
