一种基于深度学习的树脂基复合材料孔隙缺陷识别方法

本发明公开了一种基于深度学习的树脂基复合材料孔隙缺陷识别方法，涉及智能图像检测领域，包括：获取待识别树脂基复合材料层压板的截面光学显微图像；对每一张截面光学显微图像进行预处理；构建预训练的卷积神经网络模型；将预处理后的截面光学显微图像作为预训练的卷积神经网络模型的输入，进行孔隙分割与含量计算。本发明通过引入先进的深度学习技术并结合针对性的数据处理和训练策略，成功克服了传统光学显微图像孔隙评估方法的诸多局限，提供了一种更准确、更鲁棒、更自动化且无需参数校准的复合材料孔隙含量评估解决方案。