仪器仪表学报

作者：闫 蓓，李晓达

单位：闫 蓓,1.北京航空航天大学自动化科学与电气工程学院,,李晓达,1.北京航空航天大学自动化科学与电气工程学院,

关键词：超声检测系统;石质裂隙检测;深度学习;文物保护

面向石质文物多年风化、干裂,急需修复的场景,针对深度学习在文物裂隙检测应用中的不足,提出一种基于缺陷特征增强和卷积神经网络(CNN)的石质文物缺陷定位算法。算法通过小波包分解进行特征提取并选择包含丰富特征信息的有效频段,作为CNN网络的输入,通过模型训练和波形分类识别,缩小定位范围,提高缺陷定位算法的泛化能力和识别率。本文搭建了以现场可编程门阵列(FPGA)为核心的超声检测平台,并在边长为40cm的立方体试件上进行了实验验证,实验结果表明,波形识别准确率相较传统算法提高了11.3%,平均定位误差小于10%,为石质文物裂隙检测提供了可靠依据,有助于文物保护和修复。

来源：2023年第8期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2023年第8期