深度学习在超声检测缺陷识别中的应用与发展*

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2022-01-02

-->

李萍,宋波,毛捷,廉国选.深度学习在超声检测缺陷识别中的应用与发展*[J].,2019,38(3):458-464

Application and development of defect recognition using deep learning in ultrasonic testing

投稿时间：2018-09-07修订日期：2019-04-26

中文摘要:

深度学习（Deep Learning）是目前最强大的机器学习算法之一，其中卷积神经网络（Convolutional Neural Network, CNN）模型具有自动学习特征的能力，在图像处理领域较其他深度学习模型有较大的性能优势。本文先简述了深度学习的发展史，然后综述了深度学习在超声检测缺陷识别中的应用与发展，从早期浅层神经网络到现在深度学习的应用现状，并借鉴医学影像识别和射线图像识别领域的方法，分析了卷积神经网络对超声图像缺陷识别的适用性。最后，探讨归纳了目前在超声检测图像识别中使用CNN存在的一些问题，及其主要应对策略的研究方向。

英文摘要:

Deep learning is one of the most powerful machine learning algorithms and convolutional neural network (CNN) can automatically extract features which outperforms other deep learning model in the field of image processing. We briefly describe the development history of deep learning, then summarize the application of deep learning in ultrasonic testing defect recognition which from the early shallow neural network to the deep learning. Learning from the field of medical image recognition and ray image recognition, we find that the convolutional neural network (CNN) is also suitable for ultrasonic image identification, so we propose to use it to identify the ultrasound images directly. Finally, we discuss the problems and practicable strategies in ultrasonic image recognition using CNN.

DOI：10.11684/j.issn.1000-310X.2019.03.025

中文关键词:深度学习,超声检测,缺陷识别,卷积神经网络

英文关键词:Deep learning, Ultrasonic testing, Flaw recognition, Convolution neural network

基金项目:国家****科学基金项目 (11504403)

作者	单位	E-mail
李萍	中国科学院声学研究所声场声信息国家重点实验室北京	liping16@mails.ucas.ac.cn
宋波	中国科学院声学研究所声场声信息国家重点实验室	songbo@mail.ioa.ac.cn
毛捷	中国科学院声学研究所声场声信息国家重点实验室	maojie@mail.ioa.ac.cn
廉国选	中国科学院声学研究所声场声信息国家重点实验室	廉国选@mail.ioa.ac.cn

摘要点击次数:1432

全文下载次数:912

查看全文查看/发表评论下载PDF阅读器

相关附件：修改说明1 修改说明1 修改说明2 附件1 附件2

关闭

PDF全文下载地址:

http://yysx.cnjournals.cn/ch/reader/create_pdf.aspx?file_no=18125&flag=1&journal_id=yysx&year_id=2019

相关话题/实验室 信息 研究所 声学 中国科学院

领限时大额优惠券,享本站正版考研考试资料!
优惠券领取后72小时内有效，10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材，产品类型包含电子书、题库、全套资料以及视频，无论您是考研复习、考证刷题，还是考前冲刺等，不同类型的产品可满足您学习上的不同需求。 ...
考试优惠券本站小编 Free壹佰分学习网 2022-09-19
2019年全国声学大会征文通知
中国声学学会.2019年全国声学大会征文通知[J].,2019,38(3):3062019年全国声学大会征文通知2019年全国声学大会征文通知投稿时间：2019-05-07修订日期：2019-05-07中文摘要:2019年全国声学大会征文通知英文摘要:2019年全国声学大会征文通知DOI：中文关键词 ...
中科院声学研究所本站小编 Free考研考试 2022-01-02
二维磁流变包层声学超材料*
许振龙,吴福根.二维磁流变包层声学超材料*[J].,2019,38(2):186-190二维磁流变包层声学超材料*Two-dimensionalmagnetorheologicalcladdingacousticmetamaterials投稿时间：2018-06-16修订日期：2019-02-28中 ...
中科院声学研究所本站小编 Free考研考试 2022-01-02
声学回波统计的鱼群密度评估方法*
梁镜,许枫,张纯,马龙双.声学回波统计的鱼群密度评估方法*[J].,2019,38(2):279-286声学回波统计的鱼群密度评估方法*Anacousticapproachoffishnumberdensityestimationwithechoesstatistic投稿时间：2018-06-06修 ...
中科院声学研究所本站小编 Free考研考试 2022-01-02
基于变换声学的角反射器的设计*
毕亚峰,贾晗,杨军.基于变换声学的角反射器的设计*[J].,2019,38(1):52-57基于变换声学的角反射器的设计*Thedesignofacousticalcornerreflectorbasedontransformationacoustics投稿时间：2018-03-17修订日期：201 ...
中科院声学研究所本站小编 Free考研考试 2022-01-02
金属材料疲劳损伤检测的非线性声学方法*
吕文瀚,吴先梅,陈家熠.金属材料疲劳损伤检测的非线性声学方法*[J].,2018,37(6):874-881金属材料疲劳损伤检测的非线性声学方法*Nonlinearacousticmethodfordetectingfatigueinmetalmaterials投稿时间：2018-03-09修订日期 ...
中科院声学研究所本站小编 Free考研考试 2022-01-02
基于集合卡尔曼变换的东中国海声学敏感区判定方法*
崔宝龙,笪良龙,过武宏.基于集合卡尔曼变换的东中国海声学敏感区判定方法*[J].,2018,37(6):895-903基于集合卡尔曼变换的东中国海声学敏感区判定方法*IdentifyingacousticsensitiveareaoftheEastChinaSeabasedonensembletra ...
中科院声学研究所本站小编 Free考研考试 2022-01-02
基于散射矩阵法的飞机壁板声学优化设计
胡莹,李晨曦,何立燕.基于散射矩阵法的飞机壁板声学优化设计[J].,2018,37(6):916-926基于散射矩阵法的飞机壁板声学优化设计Acousticoptimizationdesignofaircraftpanelbasedonscattering-matrixmethod投稿时间：2017 ...
中科院声学研究所本站小编 Free考研考试 2022-01-02
《应用声学》2018年总目次
.《应用声学》2018年总目次[J].,2018,37(6):971-978《应用声学》2018年总目次ContentsofJOURNALofAPPLIEDACOUSTICS,Vol.37,2018投稿时间：2018-11-28修订日期：2018-11-28中文摘要:《应用声学》2018年总目次英文 ...
中科院声学研究所本站小编 Free考研考试 2022-01-02
基于相位调控的超高透射声学超表面及其应用*
田野,左淑毓,程营,刘晓峻.基于相位调控的超高透射声学超表面及其应用*[J].,2018,37(5):691-700基于相位调控的超高透射声学超表面及其应用*Phase-controlledacousticmetasurfacewithhighefficiencyanditsapplications ...
中科院声学研究所本站小编 Free考研考试 2022-01-02
声学场景和事件的检测及分类
余紫莹.声学场景和事件的检测及分类[J].,2018,37(5):742声学场景和事件的检测及分类投稿时间：2018-08-30修订日期：2018-08-30中文摘要:英文摘要:DOI：10.11684/j.issn.1000-310X.2018.05.023中文关键词:英文关键词:基金项目:作者单 ...
中科院声学研究所本站小编 Free考研考试 2022-01-02