文件大小:0.97M
摘要:为了提高深度学习在X射线燃料棒端塞缺陷检测中的准确性,实现更高精度的无损检测,本文基于YOLOX的目标检测模型,针对该场景下目标缺陷尺寸极小的特点,对网络结构和损失函数进行了相应的改进,并在工业数据集上进行了验证。结果表明该算法方案在保持较高识别速度的同时,识别精度获得了明显的提升,达到生产检测要求。该研究方法为今后燃料棒端塞焊缝X射线数字检测图像的高精度自动分析评价打下了坚实的基础
摘要:为了提高深度学习在X射线燃料棒端塞缺陷检测中的准确性,实现更高精度的无损检测,本文基于YOLOX的目标检测模型,针对该场景下目标缺陷尺寸极小的特点,对网络结构和损失函数进行了相应的改进,并在工业数据集上进行了验证。结果表明该算法方案在保持较高识别速度的同时,识别精度获得了明显的提升,达到生产检测要求。该研究方法为今后燃料棒端塞焊缝X射线数字检测图像的高精度自动分析评价打下了坚实的基础
1/26专辑:论文下载
0下载28浏览0.78M
0下载29浏览1.16M
0下载27浏览1.19M
0下载43浏览0.61M
0下载28浏览1.05M
0下载35浏览0.76M
0下载30浏览0.83M
0下载23浏览1.3M
0下载29浏览2.53M
0下载32浏览1.55M