论文部分内容阅读
为解决红外检测缺陷属性识别困难的问题,提出了采用PSO-BP神经网络对缺陷属性识别,以红外锁相热图像灰度特征和锁相相位差及幅值为输入,缺陷的深度和面积为输出,然后以粒子群优化算法优化BP神经网络缺陷属性识别模型。使用ANSYS软件对带有平底孔洞的金属平板进行红外锁相分析,提取所需数据作为神经网络模型训练样本,使用神经网络进行预测。计算结果表明:预测值的面积平均误差为2.02%,深度平均误差为1.67%。证明了以PSO-BP神经网络方法进行红外锁相热图像缺陷属性识别的可行性。