本发明属于数字图像处理技术领域，具体为一种基于CNN的超声无损检测图像缺陷分类方法。本发明方法包括采集超声相控阵无损检测图像，并对检测图像进行分类，构造专用于超声相控阵无损检测图像缺陷分类的数据集；并将数据集按照一定比例划分为训练集、测试集，训练集用来训练网络模型，测试集用来测试训练好的网络模型的性能；设计专用的超声相控阵无损检测图像缺陷分类的深度卷积神经网络，该网络包括：数据输入模块、双尺度特征提取模块、特征重组模块、特征融合模块、CA模块和分类器。本发明可以提高超声相控阵无损检测图像中缺陷的分类效率，减轻相关制造企业再缺陷数据分析过程中的成本。
声明：
“基于CNN的超声无损检测图像缺陷分类方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
928
编辑：管理员
来源：北方有色网
咨询细节
