摘要
针对传统人力无损检测识别方式存在的准确度与可靠性不足,且处理缺陷种类单一的问题,本文提出了一种融入频域特征的航天复合材料缺陷检测算法.首先,为了提高缺陷图像的特征提取效果,在特征提取骨干网络中添加图像的频域输入信息;其次,为了提高缺陷的可视化效果和检测精度,提出信息专注模块,并在面具R-CNN(mask region-based convolutional neural net-work,Mask R-CNN)的基础上,改进分割掩模损失函数;最后,结合级联R-CNN(cascade region-based convolutional neural network,Cascade R-CNN)结构,形成了新的实例分割网络.此外,在航天复合材料缺陷X射线图像数据集中对提出的实例分割网络进行了实验验证,模型检测的平均准确度达到 了 95.3％,与 Mask R-CNN、级联面具 R-CNN(cascade mask region-based convolutional neural network,Cascade Mask R-CNN)等实例分割算法相比,取得了更为优良的效果.该研究成果已应用于实际工业生产中几种常见航天复合材料缺陷的智能检测.
基金项目
上海航天科技创新SAST基金(SAST2018-065)
维普
万方数据