A356合金轮毂在低压铸造生产过程中，容易出现气孔、缩孔等内部缺陷，需要使用X射线无损探伤设备来检测。轮毂X射线检测的核心问题是缺陷自动判定，引入深度卷积神经网络中的U-Net模型作为框架，结合VGG模型改进编码器和解码器，在构建的数据库上展开缺陷自动识别研究。在准确定义轮毂缺陷检测识别率、误判率和漏判率的基础上，发现改进U-Net模型的性能与原始U-Net模型相比明显提升，缺陷识别率达到96.15%,满足实际检测需求。
科研之友
微信
新浪微博
Facebook
分享链接
