-
公开(公告)号：CN113222992B
公开(公告)日：2022-05-03
申请号：CN202110685581.7
申请日：2021-06-21
Applicant: 苏州大学
Abstract: 本发明涉及一种基于多重分形谱的裂纹特征表征方法及系统，方法包括获取裂纹图像，对裂纹图像进行预处理，得到预处理后的裂纹图像；对预处理后的裂纹图像进行分割，获得子图像；构建子图像的多重分形谱，根据多重分形谱的奇异性指数、多重分形奇异谱以及预设的权重因子建立子图像组合后的多重分形谱；将组合后的多重分形谱进行可视化处理，生成以颜色表示数值关系的色度图；根据色度图表征裂纹扩展的分形特征。本发明能够量化描述图像中包含的复杂裂纹细节，克服了现有技术中裂纹特征表征方法存在的裂纹图像识别准确率低、特征表征准确性不足以及无法量化描述图像中包含的复杂裂纹细节的问题。
-
公开(公告)号：CN113344919B
公开(公告)日：2021-11-23
申请号：CN202110879361.8
申请日：2021-08-02
Applicant: 苏州大学
Abstract: 本发明公开了基于卷积神经网络的陶瓷热冲击损伤程度检测方法及系统，包括以下步骤：获取陶瓷材料的热冲击实验强度数据及对应的裂纹图片，并根据强度值变化规律对裂纹图片进行分类标记；将标记好的裂纹图片预处理后分为训练集和验证集；将训练集和验证集输入提前搭建好的卷积神经网络模型中进行训练；在训练过程中使用随机梯度下降法进行训练，得到分类预测模型；将待检测的裂纹图片输入分类预测模型，输出预测分类结果。本发明提出了一种热冲击损伤表征方法，优化了模型训练过程，提高了陶瓷材料热冲击损伤程度分类准确率及分类效率，降低人工劳动成本。
-
公开(公告)号：CN113344919A
公开(公告)日：2021-09-03
申请号：CN202110879361.8
申请日：2021-08-02
Applicant: 苏州大学
Abstract: 本发明公开了基于卷积神经网络的陶瓷热冲击损伤程度检测方法及系统，包括以下步骤：获取陶瓷材料的热冲击实验强度数据及对应的裂纹图片，并根据强度值变化规律对裂纹图片进行分类标记；将标记好的裂纹图片预处理后分为训练集和验证集；将训练集和验证集输入提前搭建好的卷积神经网络模型中进行训练；在训练过程中使用随机梯度下降法进行训练，得到分类预测模型；将待检测的裂纹图片输入分类预测模型，输出预测分类结果。本发明提出了一种热冲击损伤表征方法，优化了模型训练过程，提高了陶瓷材料热冲击损伤程度分类准确率及分类效率，降低人工劳动成本。
-
公开(公告)号：CN113222992A
公开(公告)日：2021-08-06
申请号：CN202110685581.7
申请日：2021-06-21
Applicant: 苏州大学
Abstract: 本发明涉及一种基于多重分形谱的裂纹特征表征方法及系统，方法包括获取裂纹图像，对裂纹图像进行预处理，得到预处理后的裂纹图像；对预处理后的裂纹图像进行分割，获得子图像；构建子图像的多重分形谱，根据多重分形谱的奇异性指数、多重分形奇异谱以及预设的权重因子建立子图像组合后的多重分形谱；将组合后的多重分形谱进行可视化处理，生成以颜色表示数值关系的色度图；根据色度图表征裂纹扩展的分形特征。本发明能够量化描述图像中包含的复杂裂纹细节，克服了现有技术中裂纹特征表征方法存在的裂纹图像识别准确率低、特征表征准确性不足以及无法量化描述图像中包含的复杂裂纹细节的问题。
-
-
-
Search Results
4
records
(took 0.012 seconds)
