摘要
本发明提供一种基于深度学习的微波组件焊接钎透率测量方法,涉及微波组件生产数字化智能化领域。本发明中,获取并预处理待测微波组件的X射线图像;将预处理后的X射线图像作为预设的YoloV8模型深度学习模型的输入,以检测指定器件区域上的空洞区域,并对每一空洞区域进行实例分割,获取像素级的掩码图像;基于掩码图像,获取每一空洞区域的像素面积;基于每一空洞区域的像素面积,获取指定器件区域上的焊接空洞率,以获取指定器件区域的焊接钎透率。采用深度学习的方法进行焊接钎透率的测量,告别了单一阈值判断空洞像素的方法,精确到像素的空洞标定和深度学习强大的泛化能力,保证了空洞位置和面积预测的准确性。
技术关键词
微波组件
空洞
测量方法
计算机工作站
像素
实例分割
平板探测器
X射线管
多边形
图像增强
直方图均衡化
载物台
深度学习模型
训练集
传播算法
马赛克
模块
电信号
焦点
系统为您推荐了相关专利信息
视觉SLAM算法
关键帧
三维建模方法
稠密点云
城市地下空间
移动拍摄设备
场景
安全帽检测方法
注意力
像素块
图像处理器
像素点
亮度
图像处理芯片
全局对比度
像素点
标志位
图像信号处理芯片
图像处理模型
数据解压方法