《Infrared Physics & Technology》发表课题组关于基于深度学习的光脉冲激励红外热成像自动缺陷检测可靠性的相关研究论文。

目前，基于深度学习(DL)的数据分析和决策的可靠性仍然是推动DL技术用于工业无损检测与评估(NDT&E)的主要问题。本研究重点对NDT&E中各种自动化数据分析技术的可靠性进行定量评估。研究结果表明，最优的DL分类和先进的基于图像处理的分割技术可以在缺陷检测中达到接近人类检查员的性能水平，即使是面对挑战性的非平面碳纤维增强复合材料件检测。