|
|||||
|
|
| 基于深度迁移学习的脉冲涡流热成像裂纹缺陷检测 | |
| 引用本文： | 郝柏桥,范玉刚,宋执环.基于深度迁移学习的脉冲涡流热成像裂纹缺陷检测[J].光学学报,2023(4):146-154. |
| 作者姓名： | 郝柏桥 范玉刚 宋执环 |
| 作者单位： | 1. 昆明理工大学信息工程与自动化学院;2. 昆明理工大学云南省人工智能重点实验室;3. 浙江大学控制科学与工程学院 |
| 基金项目： | 工业控制技术国家重点实验室（浙江大学）开放课题（ICT2022B06）； |
| 摘 要： | 提出一种迁移学习与深度学习相结合的钢板裂纹缺陷检测方法。首先，通过非负矩阵分解（NMF）建立红外缺陷数据集的目标域特征空间，以余弦相似度为衡量指标选取可见光缺陷数据集的源域样本，对深度学习模型进行预训练，并将模型权重参数迁移至目标域，实现相似领域的知识迁移；然后，在YOLO v5算法基础上引入自适应空间特征融合（ASFF）模块，提高缺陷检测精度。实验结果表明：所提方法对钢板脉冲涡流热成像裂纹缺陷的检测精度达到98.6%，可实现不同长度裂纹的准确识别与定位。 |
| 关 键 词： | 机器视觉 无损检测 脉冲涡流热成像 迁移学习 非负矩阵分解 YOLO v5 |
