摘要：为了提高深度学习在X射线燃料棒端塞缺陷检测中的准确性，实现更高精度的无损检测，本文基于YOLOX的目标检测模型，针对该场景下目标缺陷尺寸极小的特点，对网络结构和损失函数进行了相应的改进，并在工业数据集上进行了验证。结果表明该算法方案在保持较高识别速度的同时，识别精度获得了明显的提升，达到生产检测要求。该研究方法为今后燃料棒端塞焊缝X射线数字检测图像的高精度自动分析评价打下了坚实的基础
摘要：为了提高深度学习在X射线燃料棒端塞缺陷检测中的准确性，实现更高精度的无损检测，本文基于YOLOX的目标检测模型，针对该场景下目标缺陷尺寸极小的特点，对网络结构和损失函数进行了相应的改进，并在工业数据集上进行了验证。结果表明该算法方案在保持较高识别速度的同时，识别精度获得了明显的提升，达到生产检测要求。该研究方法为今后燃料棒端塞焊缝X射线数字检测图像的高精度自动分析评价打下了坚实的基础
|
您还没有登录，请登录后查看详情
|
1/26专辑：论文下载
