- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
[IEEE NAECON 2019 - 美国电气电子工程师学会国家航空航天与电子会议 - 美国俄亥俄州代顿市（2019年7月15日-19日）] 2019年IEEE国家航空航天与电子会议(NAECON) - 基于卷积神经网络和红外断层扫描的激光粉末床熔融原位过程监测
摘要： 增材制造（AM）是航空电子、生物医学、汽车和制造业等多个领域不断发展的技术方向。过去15年间，金属打印的激光粉末床熔融（LPBF）技术呈现出显著增长态势。由于该工艺生产的许多零部件（如生物医学植入物）属于高风险产品，其质量成为行业关注重点。为此，我们设计了一台配备原位传感器的LPBF设备来监控制造过程。通过图像处理与机器学习算法，能够高效分析海量数据并评估零部件质量，验证特定内部几何结构及制造缺陷。本研究采用计算机辅助设计（CAD）构建的含多尺寸（0.75-3.5毫米）特征几何体（正方形、圆形、三角形）的多层试件，基于选择性激光熔化（SLM）设备的红外（IR）图像进行特征检测。通过图像去噪预处理，结合主成分分析（PCA）进一步降噪，再运用卷积神经网络（CNN）识别特征并判定异常类别（该类别数据源自CAD图像构建的数据集）。经此自动化流程，共检测、分类并验证了300个几何元素与制造文件的匹配性。此外，系统还检测并保存了若干制造异常供终端用户核查。
关键词： 激光粉末床熔融（LPBF）、主成分分析（PCA）、红外图像（IR）、卷积神经网络（CNN）、增材制造（AM）、计算机辅助设计（CAD）
更新于2025-09-23 15:21:01
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 面向红外小目标检测的卷积神经网络改进方法
摘要： 由于信噪比低和空间分辨率有限，红外图像中的小目标检测是一项具有挑战性的任务。现有方法在红外小目标淹没于背景杂波时往往存在虚警率高、探测概率低的问题。本文采用卷积神经网络（CNN）提取红外图像中小目标的隐藏特征，并提出一种大量训练数据生成技术。利用点扩散函数（PSF）对小目标数据进行建模并生成正样本，随机选取背景图像块作为负样本。通过这种方式，巧妙地将探测问题转化为使用CNN的模式分类问题。为评估这一新型小目标检测框架的性能，我们测试了大量合成与真实小目标数据。实验结果表明，该算法简单有效，具有令人满意的探测精度。
关键词： 红外图像（IR）、卷积神经网络（CNN）、点扩散函数（PSF）、小目标检测
更新于2025-09-10 09:29:36