刘新
- 作品数：4 被引量：9H指数：2
- 供职机构：大连交通大学更多>>
- 发文基金：国家自然科学基金无损检测技术教育部重点实验室开放基金教育部重点实验室开放基金更多>>
- 相关领域：金属学及工艺自动化与计算机技术交通运输工程机械工程更多>>
- 基于CNN的金属疲劳裂纹超声红外热像检测与识别方法研究
- 高速列车、飞机等大型设备的运转中,形式多样的裂纹会在设备构件中广泛存在,如车轴疲劳裂纹、钢轨的滚动接触疲劳裂纹以及焊缝处的焊接裂纹等,在设备的使用过程中构件内裂纹会不断扩展。当裂纹发展进入到快速阶段时,极易引发设备构件的...
- 刘新
- 关键词：卷积神经网络图像识别图像分类
- 堆垛机位置控制若干问题研究
- 自动化立体仓库（AS/RS）是一种集机械、计算机、控制、检测、电子、通信于一体的复杂的自动化控制系统，已成为现代物流的的一个重要环节，自动化立体仓库的方便快捷、自动控制以及节省空间等优点，已被广泛的应用于各类行业的仓储领...
- 刘新
- 关键词：仓储机械堆垛设备计算机控制
- 文献传递
- 基于卷积神经网络的超声红外热图像分类被引量：3
- 2021年
- 在超声红外热像技术应用中,从红外热图像来判断被测对象是否含有裂纹,通常需要先基于人工经验,从红外热图像中提取特征再采用某种模式识别方法进行分类,裂纹的识别与定位过程繁琐且识别率较低。为此,提出一种基于卷积神经网络技术的超声红外热图像裂纹检测与识别方法,其特点是可以直接从超声红外图像中学习特征进而实现是否含有裂纹红外热图像的分类。通过实验得到的含裂纹和不含裂纹金属平板试件的红外热图像,建立卷积神经网络模型对图像中是否含有裂纹进行分类,研究结果表明,参数优化后的卷积神经网络模型对超声红外热图像的有无裂纹分类准确率达到98.7%。
- 林丽刘新朱俊臻冯辅周
- 关键词：卷积神经网络图像识别图像分类
- 基于CNN的金属疲劳裂纹超声红外热像检测与识别方法研究被引量：6
- 2022年
- 传统超声红外热像检测与识别金属疲劳裂纹主要是通过图像处理算法提取红外热图像的相关热特征,并与裂纹特征进行匹配,其过程过于繁琐,识别率较低且需要人工筛选有效特征。结合主动红外热成像技术以及卷积神经网络(Convolutional Neural Network,CNN)在金属结构无损检测与缺陷自动识别中的优势,提出了一种基于CNN的金属疲劳裂纹超声红外热像检测与识别方法。通过超声红外热成像装置对实验对象(文中为金属平板试件)进行检测,获取红外热图像并制作图像数据集。运用设计的卷积神经网络对不同尺寸裂纹的超声红外热图像进行特征提取与识别分类。此外,对所提出的方法与两种常见图像分类网络模型以及支持向量机的分类结果进行对比。实验结果表明,设计的卷积神经网络在该数据集上识别分类准确率为100%,优于其他网络模型和支持向量机的识别分类,可以有效检测与识别金属疲劳裂纹。
- 林丽刘新朱俊臻冯辅周
- 关键词：卷积神经网络图像识别图像分类
