论文摘要
为保证反应堆的安全运行,需要采用多种检测技术确保燃料芯块质量。针对燃料芯块表面裂纹检测中因图像对比度低、背景复杂而导致的裂纹误检率高的问题,提出了一种基于卷积神经网络（CNN）和Beamlet算法相结合的表面裂纹检测算法。对图像进行等尺度分割作为裂纹识别模型（CrackCNN）的训练和测试样本;采用训练完成的CrackCNN对图像中含裂纹的区域进行识别和定位;采用Beamlet算法针对含裂纹区域进行裂纹检测。该算法将CNN和Beamlet相结合,充分发挥两者的优势,有效降低了裂纹误检概率,提高了检测精度。实验结果表明,相对于单独采用Beamlet算法,本文算法的F-measure提升了6.4%;相对于双重阈值和张量投票算法,本文算法的F-measure提升了3.4%。
论文目录
文章来源
类型: 期刊论文
作者: 宋文豪,张斌,李峰宇,杨腾达,李建宁,杨小会
关键词: 图像处理,裂纹检测,卷积神经网络,核燃料芯块,算法
来源: 激光与光电子学进展 2019年16期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 核科学技术,计算机软件及计算机应用,自动化技术
单位: 郑州大学物理工程学院
基金: 国家自然科学基金(81171410)
分类号: TP391.41;TP183;TL352
页码: 81-87
总页数: 7
文件大小: 1682K
下载量: 114