图像缺陷检测模型构建方法、图像缺陷检测方法及装置制造方法及图纸

技术编号:41379261 阅读:19 留言:0更新日期:2024-05-20 10:21
发明专利技术提供了一种图像缺陷检测模型构建方法、图像缺陷检测方法及装置,涉及电容层析成像技术领域,该构建方法包括:获取多个已知缺陷材料的有损电容数据及对应的真实缺陷图像集,并根据每组所述有损电容数据得到对应的灵敏度场;对每个所述灵敏度场进行优化,并通过优化后的所述灵敏度场和对应的所述有损电容数据得到对应的介电常数分布;分别根据各所述介电常数分布进行图像重建,得到初始重建图像集;根据所述初始重建图像集和所述真实缺陷图像集对原始DualGAN模型进行训练及优化,得到图像缺陷检测模型,所述图像缺陷检测模型用于得到待测材料对应的缺陷图像。本发明专利技术提高了提高PECT图像缺陷检测的精度。

【技术实现步骤摘要】

本专利技术涉及电容层析成像,具体而言,涉及一种图像缺陷检测模型构建方法、图像缺陷检测方法及装置


技术介绍

1、平面电容层析成像技术(planar electrical capacitance tomography,pect)是一种新型的多相流可视化检测技术,其原理与电容断层成像技术相同,均是利用电容的边缘效应。在物体表面施加外部激励,稳态电场中介电常数分布的变化将导致电场分布的变化,从而引起阵列传感器测量的电容值的变化,通过图像重建算法,利用测量的电容值的变化来重建测量区域的介电常数分布,并得到介电常数分布图像。但平面阵列电容成像的逆向问题,即平面阵列电容成像的反问题是一个不确定的问题,其中由噪声造成的原始数据的误差导致近似解与实际解的明显偏差,从而导致重建图像的精度较差。

2、如今,机器学习和深度学习已被用于解决图像重建问题,例如利用cnn从一维信号中实现缺陷的智能识别,从而提高换热管缺陷的识别精度等,但通过现有技术手段对图像重建过程中,通常需要处理大量的数据和进行复杂的计算,这导致了图像重建的计算量较大,从而使检测效率低,且在运行机器学习本文档来自技高网...

【技术保护点】

1.一种图像缺陷检测模型构建方法,其特征在于,包括:

2.根据权利要求1所述的图像缺陷检测模型构建方法,其特征在于,所述原始DualGAN模型的构建过程包括:

3.根据权利要求2所述的图像缺陷检测模型构建方法,其特征在于,所述根据所述初始重建图像集和所述真实缺陷图像集对原始DualGAN模型进行训练及优化,得到图像缺陷检测模型,包括:

4.根据权利要求1所述的图像缺陷检测模型构建方法,其特征在于,所述对每个所述灵敏度场进行优化,并通过对应的所述有损电容数据和优化后的所述灵敏度场得到对应的介电常数分布,包括:

5.根据权利要求4所述的图像缺陷...

【技术特征摘要】

1.一种图像缺陷检测模型构建方法,其特征在于,包括:

2.根据权利要求1所述的图像缺陷检测模型构建方法,其特征在于,所述原始dualgan模型的构建过程包括:

3.根据权利要求2所述的图像缺陷检测模型构建方法,其特征在于,所述根据所述初始重建图像集和所述真实缺陷图像集对原始dualgan模型进行训练及优化,得到图像缺陷检测模型,包括:

4.根据权利要求1所述的图像缺陷检测模型构建方法,其特征在于,所述对每个所述灵敏度场进行优化,并通过对应的所述有损电容数据和优化后的所述灵敏度场得到对应的介电常数分布,包括:

5.根据权...

【专利技术属性】
技术研发人员:高明黄金杰丁可为周志彦
申请(专利权)人:哈尔滨理工大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1