红外缺陷深度识别网络

相对误差1.5%以内

融合滑动窗口主成分分析与注意力残差网络，可从主动红外热像序列中自动提取缺陷信息并量化深度，无需人工判读。

Yi, Gou · 李清英 · Rao, Yao · Jianing, Chen · Bai, Tian

Measurement Science and Technology 2023

参数信息

缺陷深度相对预测误差

1.5 %

技术优势

定量准

模型输出缺陷深度，相对预测误差低于1.5%，实现精确的定量检测。

自动提取

利用滑动窗口PCA算法自动从红外序列图像中提取缺陷信息和位置。

抗分辨率低

针对传统红外热像图缺陷信息像素分辨率低的问题，该方法能更有效地提取缺陷信息。

应用场景

• 红外无损检测：输入热像序列自动输出缺陷深度，替代人工判读。
• 复合材料缺陷检测：对低分辨率热像图也能定量识别内部缺陷。
• 工业质检：快速自动检测试件缺陷，误差低于1.5%。
• 结构健康监测：定量监测结构中缺陷深度变化。