通过转移学习的近场毫米波和可见图像融合
1School of Automation Engineering, University of Electronic Science and Technology of China, Xiyuan street 2006, Chengdu, 611731, Sichuan, China.
概括
一个新的深度学习策略融合了毫米波 (mmWave) 和可见图像,用于在受阻环境中增强内部缺陷检测. 这种方法提高了真实世界透成像应用的准确性和稳定性.
科学领域:
- 工程 工程师 工程师 工程师
- 计算机科学 计算机科学
- 材料科学 材料科学 材料科学
背景情况:
- 非破坏性内部缺陷检测对于各种行业至关重要.
- 现有的成像技术在受阻环境中面临局限性.
- 毫米波 (mmWave) 成像提供透能力,而可见成像提供表面细节.
研究的目的:
- 为毫米波和可见图像提出一个新的像素级信息融合策略.
- 提高透成像应用程序的功能,特别是用于内部缺陷检测和定位.
- 为了应对成像中受阻环境所带来的挑战.
主要方法:
- 采用深度转移学习策略,从毫米波和可见图像中捕获信息.
- 执行微调策略以优化模型的性能.
- 使用改进的双边过器,可有效利用两种成像方式的信息.
主要成果:
- 拟议的核聚变战略有效地整合了近场毫米波和可见光场的信息.
- 实验结果表明,在准确性和稳定性方面,性能优越.
- 该方法显示了现实世界透成像应用的巨大潜力.
结论:
- 开发的基于深度学习的融合策略为内部缺陷检测提供了强大的解决方案.
- 这种方法提高了在受阻条件下成像的可靠性和准确性.
- 这些发现为先进的非破坏性测试和评估方法铺平了道路.
