| Faster R-CNN定位后的工业CT图像缺陷分割算法研究 |
| |
| 引用本文： | 吴晓元,常海涛,苟军年. Faster R-CNN定位后的工业CT图像缺陷分割算法研究[J]. 电子技术应用, 2019, 45(1): 76-80 |
| |
| 作者姓名： | 吴晓元 常海涛 苟军年 |
| |
| 作者单位： | 兰州交通大学自动化与电气工程学院,甘肃兰州,730070;兰州交通大学自动化与电气工程学院,甘肃兰州730070;兰州交通大学光电技术与智能控制教育部重点实验室,甘肃兰州730070 |
| |
| 基金项目： | 光电技术与智能控制教育部重点实验室(兰州交通大学)开放课题 |
| |
| 摘 要： | 由Faster R-CNN定位的缺陷区域内存在弱边缘,若直接采用常规分割算法对该小区域进行处理,会出现严重的过分割或欠分割现象。在此研究了一种针对Faster R-CNN定位后的工件缺陷的精确阈值分割法。在利用形态学开闭重建算法对定位区域进行重建,并对重建后的图像用Otsu双阈值法做变换处理的基础上,进一步利用最大熵阈值分割法对变换后的图像进行分割,最终对分割出的缺陷进行面积、周长等参数的测量。实验结果表明,所研究算法较常规的算法对工件的缺陷(裂纹、气泡和夹渣)有更好的分割能力。该算法不仅可以准确地分割出包含弱边缘的目标,还可以有效排除轮廓背景对分割的干扰。
|
| 关 键 词： | Faster R-CNN 缺陷分割 形态学开闭重建算法 Otsu双阈值法 最大熵阈值分割法 |
Research on defect segmentation algorithm of industrial CT image after Faster R-CNN positioning |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
