原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明属于图像处理技术领域，公开了基于图像处理和裂纹识别模型的金属疲劳裂纹检测方法。该方法对采集到的裂纹图片数据进行灰度变换，采用局部自适应阈值分割方法分割裂纹灰色图像，以及进行二值化操作，获取二值化裂纹图像，通过形态学消除二值化裂纹图像中的随机噪声以及进行平滑裂纹轮廓，再进行扩充；采用预训练的卷积神经网络VGG16作为区域候选网络对基础FasterR‑CNN模型进行迁移学习，获得改进的基于FasterR‑CNN的裂纹识别模型，实现金属疲劳裂纹非接触识别。本发明改进的基于FasterR‑C
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 117036348 A
(43)申请公布日 2023.11.10
(21)申请号 202311288176.7 G06N 3/096 (2023.01)
(22)申请日 2023.10.
文档评论（0）