项目名称: 工业CT工程应用中小缺陷识别与测量方法研究

项目编号: No.61471411

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 无线电电子学、电信技术

项目作者: 倪培君

作者单位: 中国兵器科学研究院宁波分院

项目金额: 70万元

中文摘要: 本项目以航天用电磁阀、自锁阀等精密电子束焊接件焊缝的工业CT检测为应用背景,从检测实践中暴露出的小缺陷定量检测中的放大效应等基础问题出发,以现有的工业X射线CT检测设备为基础,针对小缺陷的识别问题、小缺陷的测量方法问题、小缺陷测量结果的不确定度分析等科学问题展开研究,结合理论分析和试验研究,揭示噪声对小缺陷图像的影响规律,建立小缺陷图像识别与统计测量模型,完成相关算法及软件编程,进行测量结果的不确定度分析和对比验证,最终建立一种针对性强、应用效果明显的小缺陷工业CT图像识别与测量方法,提高检测结果的准确性,减小误判率。

中文关键词: 无损检测;缺陷检测;光学检测图像处理;尺寸测量;不确定度

英文摘要: This project is based on the application of industrial CT testing in aerospace precise electron beam weld of solenoid valves、self-locking valves,and the problem of amplification effect on small defect detection. this project is relying on the existing industrial X-ray CT detection equipment,this project is aimed at resolving identification problem for small defects under the noise, researching the measurement methods of small defect, and analyzing the uncertainty of test result.This project combined with theoretical analysis and experimental research to reveal the influence rule of the noise on the small defects of the CT image, and established the statistical measurement models of recognition and the measurement of small defects. As the algorithms and software programming is completed, the uncertainty and verification of test result is analyzed. eventually we established a targeted application of small defects obvious effect of industrial CT image recognition and measurement methods to improve the accuracy of test results, reducing the false positive rate. This project research engineering applications closely, and aim to improve the accuracy of small welding defects of industrial CT quantitative nondestructive testing.

英文关键词: nondestructive test;defect test;optical image processing;dimensional measurement;uncertainty

成为VIP会员查看完整内容
0

相关内容

「图像异常检测 」最新2022研究综述
专知会员服务
86+阅读 · 2022年4月15日
专知会员服务
67+阅读 · 2021年9月10日
专知会员服务
42+阅读 · 2021年9月7日
专知会员服务
21+阅读 · 2021年8月23日
专知会员服务
24+阅读 · 2021年7月17日
专知会员服务
26+阅读 · 2021年4月2日
专知会员服务
57+阅读 · 2020年12月6日
专知会员服务
103+阅读 · 2020年11月27日
基于深度学习的表面缺陷检测方法综述
专知会员服务
93+阅读 · 2020年5月31日
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
「图像异常检测 」最新2022研究综述
专知
5+阅读 · 2022年4月16日
如何解决工业缺陷检测小样本问题?
极市平台
6+阅读 · 2022年2月24日
10个开源工业检测数据集汇总
极市平台
2+阅读 · 2022年2月9日
人脸专集5 | 最新的图像质量评价
计算机视觉战队
27+阅读 · 2019年4月13日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
【机器视觉】表面缺陷检测:机器视觉检测技术
产业智能官
25+阅读 · 2018年5月30日
好文 | 基于深度学习的目标检测技术演进
七月在线实验室
12+阅读 · 2018年1月31日
人脸检测与识别总结
计算机视觉战队
21+阅读 · 2017年11月29日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
46+阅读 · 2021年10月4日
小贴士
相关VIP内容
「图像异常检测 」最新2022研究综述
专知会员服务
86+阅读 · 2022年4月15日
专知会员服务
67+阅读 · 2021年9月10日
专知会员服务
42+阅读 · 2021年9月7日
专知会员服务
21+阅读 · 2021年8月23日
专知会员服务
24+阅读 · 2021年7月17日
专知会员服务
26+阅读 · 2021年4月2日
专知会员服务
57+阅读 · 2020年12月6日
专知会员服务
103+阅读 · 2020年11月27日
基于深度学习的表面缺陷检测方法综述
专知会员服务
93+阅读 · 2020年5月31日
相关资讯
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
「图像异常检测 」最新2022研究综述
专知
5+阅读 · 2022年4月16日
如何解决工业缺陷检测小样本问题?
极市平台
6+阅读 · 2022年2月24日
10个开源工业检测数据集汇总
极市平台
2+阅读 · 2022年2月9日
人脸专集5 | 最新的图像质量评价
计算机视觉战队
27+阅读 · 2019年4月13日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
【机器视觉】表面缺陷检测:机器视觉检测技术
产业智能官
25+阅读 · 2018年5月30日
好文 | 基于深度学习的目标检测技术演进
七月在线实验室
12+阅读 · 2018年1月31日
人脸检测与识别总结
计算机视觉战队
21+阅读 · 2017年11月29日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员