林 丽，刘 新，朱俊臻，冯辅周

〈无损检测〉

基于卷积神经网络的超声红外热图像分类

林 丽1，刘 新1，朱俊臻2，冯辅周2

（1. 大连交通大学 机车车辆工程学院，辽宁 大连 116000；2. 陆军装甲兵学院车辆工程系，北京 100072）

在超声红外热像技术应用中，从红外热图像来判断被测对象是否含有裂纹，通常需要先基于人工经验，从红外热图像中提取特征再采用某种模式识别方法进行分类，裂纹的识别与定位过程繁琐且识别率较低。为此，提出一种基于卷积神经网络技术的超声红外热图像裂纹检测与识别方法，其特点是可以直接从超声红外图像中学习特征进而实现是否含有裂纹红外热图像的分类。通过实验得到的含裂纹和不含裂纹金属平板试件的红外热图像，建立卷积神经网络模型对图像中是否含有裂纹进行分类，研究结果表明，参数优化后的卷积神经网络模型对超声红外热图像的有无裂纹分类准确率达到98.7%。

卷积神经网络；超声红外检测；图像识别；图像分类

0 引言

科技快速发展，计算机性能得到大幅提升，深度学习作为一种实现人工智能的强大技术，在图像视频、语音处理等领域获得了大量成果，对各个领域都产生了广泛的影响。卷积神经网络（Convolutional Neural Network，CNN）作为深度学习中极为重要的模型，自2012年以来极大地推进了图像分类、识别和理解技术的发展。曾平平等人[1]将卷积神经网络应用到水果图像分类中并取得了较好的识别率。林明旺等人[2]将卷积神经网络应用于鱼类图像识别分类，识别率达到了96.24%。……