一种基于深度迁移学习的钢结构焊缝质量检测方法

AITNT
正文
推荐专利
一种基于深度迁移学习的钢结构焊缝质量检测方法
申请号:CN202510880480
申请日期:2025-06-27
公开号:CN120876936A
公开日期:2025-10-31
类型:发明专利
摘要
本发明公开了一种基于深度迁移学习的钢结构焊缝质量检测方法,将超声波探伤仪与深度迁移学习图像处理相结合,克服传统图像分类特征提取的局限性、泛化能力不足、计算复杂度高等缺点,自动学习图像中的特征,降低对新数据的依赖性,提高检测的准确性和效率,为钢结构的安全性和可靠性提供有力保障。
技术关键词
深度迁移学习 钢结构焊缝 超声波探伤仪 超声波探伤设备 焊缝缺陷 深度学习网络模型 图像 后续数据分析 波形 卷积神经网络模型 滑动平均滤波 钢结构部件 工程现场
系统为您推荐了相关专利信息
1
一种基于机器学习与多因素监控的钢轨铝热焊焊缝质量评价方法
铝热焊 随机森林 钢轨 管理系统 量化评价指标
2
一种政务安全管理智能系统
管理智能系统 深度迁移学习 政务系统 动态贝叶斯网络 深度强化学习
3
一种基于图像处理的电梯轿厢焊缝缺陷检测方法
焊缝缺陷检测方法 电梯轿厢 卷积神经网络模型 图像处理 Lab色彩空间
4
一种臂架焊接缺陷检测方法及系统
焊接缺陷检测方法 深度学习算法 多分辨率特征 板块 焊接缺陷检测系统
5
基于OpenCV和YOLO的金属屋面焊缝缺陷智能化检测及定位系统
检测机器人 固态激光雷达 轨道 定位系统 喷墨
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号