本發明公開了一種基于深度學習的蜂窩復合材料缺陷分類方法,包括:獲取蜂窩復合材料作為訓練試件;采用高能氙燈或鹵素燈對訓練試件進行熱激勵,采用紅外熱像儀采集訓練試件表面在受到熱激勵后的熱圖序列;將熱圖序列分解為訓練試件表面的各像素采集點的溫度時間序列;以像素采集點的溫度時間序列和相應的內部缺陷類型作為訓練數據,對RNN模型進行訓練,得到蜂窩復合材料缺陷檢測模型;獲取待檢測蜂窩復合材料表面的各像素采集點的溫度時間序列,并輸入蜂窩復合材料缺陷檢測模型,得到各像素采集點的內部缺陷類型。本發明能快速識別蜂窩復合材料內部缺陷的類型,而且快速準確。
聲明:
“基于深度學習的蜂窩復合材料缺陷分類方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)