科研之友
微信
新浪微博
Facebook
分享链接
摘要
推力室的焊接质量可靠性与稳定性对于发动机服役性能以及火箭安全运行具有非常重要的意义，主要通过人工评定胶片图像来识别其焊缝缺陷，检测效率低、经验依赖性强。针对液体火箭发动机推力室胶片数字化图像的特点，通过对原始图像进行尺寸归一化、图像增强等图像预处理构建图像样本集，并采用YOLO V3算法建立了基于深度学习理论的熔焊缝缺陷自识别模型。结果表明，训练的YOLO神经网络模型能够准确识别胶片数字化图像中气孔、裂纹、未熔合、未焊透等4种典型熔焊缝缺陷，识别准确率达90%以上，有良好的工业应用前景。
- 出版日期2023
- 单位西安航天发动机有限公司; 兰州理工大学; 兰州瑞奇戈德测控技术有限公司
