[发明专利]一种基于深度学习的蜂窝复合材料缺陷分类方法有效
| 申请号： | 201910386093.9 | 申请日： | 2019-05-09 |
| 公开（公告）号： | CN110322429B | 公开（公告）日： | 2022-04-05 |
| 发明（设计）人： | 段玉霞;胡偲琦;刘石财;戴小标 | 申请（专利权）人： | 中南大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00 |
| 代理公司： | 长沙市融智专利事务所(普通合伙) 43114 | 代理人： | 龚燕妮 |
| 地址： | 410083 湖南*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的蜂窝复合材料缺陷分类方法，包括：获取蜂窝复合材料作为训练试件；采用高能氙灯或卤素灯对训练试件进行热激励，采用红外热像仪采集训练试件表面在受到热激励后的热图序列；将热图序列分解为训练试件表面的各像素采集点的温度时间序列；以像素采集点的温度时间序列和相应的内部缺陷类型作为训练数据，对RNN模型进行训练，得到蜂窝复合材料缺陷检测模型；获取待检测蜂窝复合材料表面的各像素采集点的温度时间序列，并输入蜂窝复合材料缺陷检测模型，得到各像素采集点的内部缺陷类型。本发明能快速识别蜂窝复合材料内部缺陷的类型，而且快速准确。 | ||
| 搜索关键词： | 一种 基于 深度 学习 蜂窝 复合材料 缺陷 分类 方法 | ||
【主权项】：
1.一种基于深度学习的蜂窝复合材料缺陷分类方法，其特征在于，包括以下步骤：步骤1，获取蜂窝复合材料作为训练试件，且已知训练试件表面的各像素采集点的内部缺陷类型；步骤2，采用高能氙灯或卤素灯对训练试件进行热激励，采用红外热像仪采集训练试件表面在受到热激励后的热图序列，其中热图序列包括一组时间连续的热图，所述热图表示训练试件表面在当前时刻的温度分布图；步骤3，将热图序列分解为训练试件表面的各像素采集点的温度时间序列；步骤4，以像素采集点的温度时间序列和相应的内部缺陷类型作为训练数据，对RNN模型进行训练，得到蜂窝复合材料缺陷检测模型；步骤5，按步骤1‑3获取待检测蜂窝复合材料表面的各像素采集点的温度时间序列，并输入至步骤4得到的蜂窝复合材料缺陷检测模型，得到待检测蜂窝复合材料表面的各像素采集点的内部缺陷类型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中南大学，未经中南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910386093.9/，转载请声明来源钻瓜专利网。
