一种基于无监督神经网络的工业CT复合材料缺陷重构方法

本发明涉及一种基于无监督神经网络的工业CT复合材料缺陷重构方法，包括：使用工业CT拍摄得到复合材料构件的截面二维图像；构建将工业CT复合材料图像转化为缺陷模型重建与判别的无监督模型，通过多尺度采样模型进行采样、引入通道注意力机制进行调整权重和多尺度残差模块进行重建；构建用于计算无监督模型的联合损失函数；对构建的无监督模型使用数据集进行训练，损失函数用于更新参数；得到最优的模型，将待检测的工业CT复合材料图像输入模型，即可完成复合材料缺陷三维重构。本发明通过高精度重构复合材料缺陷，实现对复合材料的无损检测，可用于飞机、火箭等航空航天器的结构健康监测和缺陷检测。