国内刊号:61-1133/TG
国际刊号:1001-3814
发布日期:
作者:杨波, 张勇, 姜洪权, 张晓明, 程虎跃, 刘智, 周智, 闫皓博, 包瑞, 田卫龙,
关键词:射线数字底片, 快速评价, 二分类, 改进VGGNet,
工业射线底片的数字化图像是实现无损检测及缺陷评定过程信息化、智能化的基础。由于在底片数字化过程中受底片黑度质量及人为操作影响,容易产生大量不合格数字化图像,如何快速、定量评价数字化图像质量已成为迫切需要解决的瓶颈问题。针对以上问题,提出了一种融合深度学习理论的底片数字图像质量端到端快速评价技术。首先,基于大量的实际存在的工业射线数字化图像数据,构建了基于二分类原则的数字化图像数据集。然后,构建了一种基于改进的VGGNet的数字化图像二分类评价方法。采用某企业管道环焊缝射线底片扫描数据对本文方法进行了说明和验证。结果表明:所提方法可以实现准确率为90.0%~95.7%的端到端的图像质量评价。
来源:2025年第20期
《热加工工艺》期刊编辑部