龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：浙江理工大学
摘要：本发明涉及一种用于红外热成像瑕疵识别的多层神经网络优化方法，其包括如下工艺步骤：1，热成像数据前处理；2，搅拌摩擦焊接瑕疵特征提取；3，焊接瑕疵非瑕疵图像数据准备；4，红外成像多层神经网络建模；5，多层神经网络模型优化。本发明的多层神经网络优化方法通过对搅拌摩擦焊接区域的热成像信号进行检测识别，提高了金属热成像图的信噪比和探伤深度，实现了红外成像在金属焊接瑕疵检测中的应用。
主权项：1.一种用于红外热成像瑕疵识别的多层神经网络优化方法，其特征在于：包括如下工艺步骤：1，热成像数据前处理；其具体步骤为：1-1，转换原始RGB图片数据为64位灰度图，识别并裁剪目标物区域，去除无效背景，采用高斯滤波增加瑕疵像素和无瑕疵像素之间的对比度，样本核为13×13，标准差为3.0；高斯滤波图像序列为Gj,i,t，G为t时刻的图像，j和i分别为列号和行号；高斯滤波后的图像数据对时间的偏导数为1-2，将三维图像数据转化为二维矩阵N×P；其中，行数N为红外图像像素数，包含空间变化；列数P记录红外图像数量，包含时间变化；2，搅拌摩擦焊接瑕疵特征提取；其具体步骤为：2-1，热成像信号线性建模，将瞬时热成像图像序列压缩为四幅图像，同时保留空间和时间信息；2-2，采用单变量多项式对每个像素点进行高斯滤波，滤波后的灰度值关于时间的函数如下：Gj，i，t≈a0j，i+a1j，it，其中a0j，i和a1j，i为多项式参数；灰度值斜率随时间变化的函数如下：其中b0j，i和b1j，i为多项式参数：由此，将高斯滤波后的三维灰度数据转化为由多项式系数形成的两幅多项式系数图，分别是a0j，i和a1j，i；2-3，采用最小二乘法对多项式参数a0，a1，b0，b1进行重加权，当精度达到10-3时停止重加权计算，获得响应的权重矩阵和偏差矩阵，其图像灰度范围在[0,255]；3，焊接瑕疵非瑕疵图像数据准备；4，红外成像多层神经网络建模；5，多层神经网络模型优化。
全文数据：
权利要求：
百度查询： 浙江理工大学 一种用于红外热成像瑕疵识别的多层神经网络优化方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号