典型文献
基于深度学习的小径管环焊缝DR图像缺陷智能识别
文献摘要：
数字射线(DR)检测是承压设备用小径管对接环焊缝焊接质量控制常用的方法,由检测人员识别DR图像中的缺陷.这种人工识别的方法存在工作效率低,容易漏检等亟待解决的关键问题.因此,提出了基于Faster RCNN卷积神经网络的深度学习方法,对DR图像进行目标检测,识别气孔、夹杂、裂纹、未熔合等缺陷类型,实现对小径管接环焊缝缺陷智能识别的目的.
文献关键词：
小径管;对接焊缝;深度学习;卷积神经网络
中图分类号：
作者姓名：
陈乐
作者机构：
上海市特种设备监督检验技术研究院
文献出处：
引用格式：
[1]陈乐-.基于深度学习的小径管环焊缝DR图像缺陷智能识别)[J].化工装备技术,2022(04):30-35
A类：
B类：
小径管,DR,智能识别,数字射线,承压设备,备用,管对接,对接环焊缝,焊接质量控制,检测人员,人员识别,人工识别,漏检,Faster,RCNN,深度学习方法,目标检测,别气,气孔,夹杂,未熔合,缺陷类型,环焊缝缺陷,对接焊缝
AB值：
0.389412
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
