基于U-Net卷积神经网络的轮毂缺陷分割
Automation & Instrumentation（2020）
摘要
为实现轮毂缺陷检测自动化,该文依据轮毂X射线图像,提出一种基于U-Net卷积神经网络的自动分割的改进方法.将原始U-Net模型的最大池化操作替换为卷积操作,并加入Dropout层对网络进行优化,提升模型可靠性.同时对带有缺陷的轮毂图像做数据预处理,用于训练改进的U-Net模型.结果 表明,该网络在复杂轮毂X射线图像的缺陷识别中表现良好,DICE系数为0.8554,SSIM系数为0.9655,识别速度达到3ms/张;该方法能较好地实现轮毂射线图像缺陷的自动分割,满足无损检测的自动化需要.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要