基于深度学习的发电站制冷水管焊缝图像检测
【摘要】 针对发电站制冷管射线图像的焊缝区域对比度较低、特征不明显，传统方法难以实现精确搜索的问题，提出一种基于深度学习的发电站制冷水管焊缝区域搜索方法。利用限制对比度的自适应直方图均衡化限制图像统计直方图的幅度，抑制噪声放大，得到直方图的累积分布函数，以校正图像的低对比度；利用深度神经网络的24个2个全连接层预测图像位置和类别概率，实现水冷壁管焊缝区域的检测，以克服传统卷积层提取输入图像的特征、模板匹配精度低、时间复杂度高的问题。对100张制冷管射线图片按4∶1∶5分为训练集、验证集和测试集，利用训练集和验证集对深度神经网络进行训练，将图像送进训练好的模型，预测制冷管焊缝区域的位置。试验结果表明，基于深度学习的焊缝区域搜索方法可以实现焊缝的精确搜索，准确率达到96%，搜索效率及准确度高。
