Caracterización tridimensional de defectos en detección ultrasónica basada en optimización de aprendizaje de contraste mejorado GCNet
Autores: Wang, Xinghao; Wang, Qiang; Zhang, Lei; Yu, Jiayang; Liu, Qiuhan
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Caracterización tridimensional de defectos en detección ultrasónica basada en optimización de aprendizaje de contraste mejorado GCNet
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Detección
Aprendizaje no supervisado
Ultrasonido de matriz de fase
Identificación de defectos
Red de emparejamiento de características
Caracterización 3D
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 47
Citaciones: Sin citaciones
Para automatizar la detección de defectos con pocas muestras utilizando aprendizaje no supervisado, este documento, considerando materiales comúnmente utilizados en aeronaves, propone un método de identificación de defectos de detección ultrasónica de matriz de fase utilizando muestras no defectuosas para entrenamiento, y la caracterización tridimensional se completa sobre esta base.
Descripción
Para automatizar la detección de defectos con pocas muestras utilizando aprendizaje no supervisado, este documento, considerando materiales comúnmente utilizados en aeronaves, propone un método de identificación de defectos de detección ultrasónica de matriz de fase utilizando muestras no defectuosas para entrenamiento, y la caracterización tridimensional se completa sobre esta base.