基于卷积神经网络的环状CFRP图像缺陷检测研究

简介

碳纤维增强复合材料(CFRP)广泛应用在航空航天等领域中,其内部缺陷易引发灾难性的事故,X射线成像是CFRP缺陷检测的常用手段。为了有效减少图像背景对环状CFRP X射线图像缺陷检测性能的影响,提出了一种结合LeNet-5卷积神经网络和图像变换的环状CFRP图像缺陷检测新方法。首先对环状CFRP的X射线图像进行极坐标变换,然后提取变换图像中的感兴趣区域并对其进行分块构成LeNet-5网络训练和测试的数据集,最后根据图像块的二分类结果得到缺陷的局部区域,实现缺陷检测。实验结果表明,所提方法能显著提高缺陷检测性能,与利用原始图像对LeNet-5进行训练相比,该方法使得缺陷检测的召回率、查准率和F1值分别提高了11.02%、38.60%和25.02%。