基于深度学习的复合材料CT图像性能识别方法

本发明涉及基于深度学习的复合材料CT图像性能识别方法，属于工业CT图像处理领域。包括：获取复合材料样品的CT图像数据进行灰度值标定，并输入训练好的U‑net模型对不同语义区域的图像进行提取，进而得到对应的灰度矩阵；构建复合材料样品的有限元模型，对该模型进行线性静力分析得到其刚度矩阵；获取待测复合材料样品的CT图像中不同语义区域的图像对应的灰度矩阵，将灰度矩阵输入训练好的双塔神经网络模型得到对应的刚度矩阵，基于刚度矩阵计算待测复合材料样品的弹性模量和泊松比，从而实现待测复合材料样品的性能检测。该方法实现了由复合材料CT图像到复合材料性能的检测，解决了目前复合材料性能检测效率低、准确性低的问题。