如需要完整文档点击下方 "点击下载文档" 按钮

镍铁基高温合金 GH4169 合金由于其良好的综合性能被广泛应用在航空、石化、核能等行业,其冶炼工艺复杂,制备工艺路线较长,因此在铸造过程中会不可避免地产生大量组织缺陷,这些缺陷会对合金的性能造成重要的影响。 为了消除合金组织表面缺陷,需要研究合金组织表面缺陷的分布和成因以此提高合金的冶炼技艺。 但传统人工检测 GH4169合金组织表面缺陷效率低、精度差,很难用于检测大棒材。 因此,为了实现组织表面缺陷的自动检测,在 RetinaNet 网络结构的基础上提出了一种 CA-RetinaNet 网络结构用于 GH4169 合金组织表面缺陷检测,该方法主要增强了网络检测小缺陷的能力。 首先,在特征提取网络中使用了 CA-Resnet 结构,引入轻型注意力机制对感兴趣目标进行特征权重增强,提高了含有目标通道的权重;然后对 RetinaNet 网络中的特征金字塔网络进行了优化,重新构建了特征金字塔网络的底层结构,以获取更大的特征图检测小缺陷。 利用 CA-RetinaNet 网络模型在 GH4169 合金组织表面缺陷数据集上进行检测实验,取得了较高的准确率,相较于原始 RetinaNet 网络,mAP 值提升了 8. 6% ,极大地提升了网络的检测精度。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于深度学习的 GH4169 合金组织表面缺陷检测》

将 完整文档 下载到本地，方便收藏和查阅

文件号：059921

点击下载文档