文献类型：期刊文章

作　　者：余永维[1,2] 殷国富[1] 殷鹰[1] 杜柳青[2]

机构地区：[1]四川大学制造科学与工程学院,成都610065 [2]重庆理工大学机械工程学院,重庆400054

出　　处：《仪器仪表学报》

基　　金：重庆市基础与前沿研究计划基金(cstc2013jcyjA70009);国家自然科学基金青年基金(51075419)资助项目

年　　份：2014

卷　　号：35

期　　号：9

起止页码：2012-2019

语　　种：中文

收录情况：BDHX、BDHX2011、CAS、CSCD、CSCD2013_2014、EI(收录号：20144300128822)、IC、INSPEC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：针对建立射线无损检测智能化信息处理平台的需要,提出一种基于深度学习网络的智能识别方法。以卷积神经网络结构为基础,结合径向基神经网络非线性映射能力,构建一种模拟视觉感知原理的深度学习网络结构,并提出一种网络结构自生长方法和参数学习方法;然后在获取注意区域的基础上,模拟人类大脑深度学习的层次感知系统,使可疑区域的像素灰度信号直接通过深度学习层次网络,通过卷积网络逐层挖掘可疑缺陷区域的本质特征;最后利用径向基网络部分实现对射线图像缺陷的直接智能识别。实验中对复杂射线图像的缺陷识别率超过91%,优于传统方法。实验表明该方法有较高的准确率和较好的适应性,能够满足射线无损检测智能化信息处理平台的需要。

关 键 词：射线图像 缺陷识别  深度学习  智能识别  神经网络

分 类 号：TP391.41] TH878.1[计算机类]