当前位置: X-MOL 学术Measurement › 论文详情
Development of a CNN edge detection model of noised X-ray images for enhanced performance of non-destructive testing
Measurement ( IF 3.364 ) Pub Date : 2021-01-13 , DOI: 10.1016/j.measurement.2021.109012
Zimu Xiao; Ki-Young Song; Madan M. Gupta

X-ray non-destructive testing (NDT) is a primary detection technology in industrial fields, providing an effective detection for fragile and complex structures without destructing components. In this study, we adopt the principle of convolutional neural network (CNN) and a Laplacian filter to propose an edge detection model with improved performance. By constructing X-ray image datasets with different noise levels, our proposed CNN model successfully detects fuzzy defects on noised X-ray images, and presents better structure similarity of the detected information compared to conventional edge detection algorithms, Canny and SUSAN. Additionally, the experiment results indicate that the noised training datasets effectively improves the model’s capability of noise resistance in edge detection tasks. Furthermore, the quality of training images significantly affects the performance of the trained model. This study develops a robust edge detection algorithm for low-cost and noise-independent X-ray non-destructive testing technology, providing a meaningful reference in edge detection of industrial X-ray images.



中文翻译:

开发具有噪声的X射线图像的CNN边缘检测模型,以增强无损检测的性能

X射线无损检测(NDT)是工业领域的主要检测技术,可在不破坏组件的情况下有效检测易碎和复杂的结构。在这项研究中,我们采用卷积神经网络(CNN)原理和Laplacian滤波器来提出具有改进性能的边缘检测模型。通过构建具有不同噪声水平的X射线图像数据集,我们提出的CNN模型成功检测了噪声X射线图像上的模糊缺陷,并且与传统的边缘检测算法Canny和SUSAN相比,具有更好的结构相似度。此外,实验结果表明,带噪声的训练数据集有效地提高了模型在边缘检测任务中的抗噪声能力。此外,训练图像的质量显着影响训练模型的性能。这项研究为低成本和独立于噪声的X射线无损检测技术开发了一种鲁棒的边缘检测算法,为工业X射线图像的边缘检测提供了有意义的参考。

更新日期:2021-01-13
全部期刊列表>>
微生物研究
亚洲大洋洲地球科学
NPJ欢迎投稿
自然科研论文编辑
ERIS期刊投稿
欢迎阅读创刊号
自然职场,为您触达千万科研人才
spring&清华大学出版社
城市可持续发展前沿研究专辑
Springer 纳米技术权威期刊征稿
全球视野覆盖
施普林格·自然新
chemistry
物理学研究前沿热点精选期刊推荐
自然职位线上招聘会
欢迎报名注册2020量子在线大会
化学领域亟待解决的问题
材料学研究精选新
GIANT
ACS ES&T Engineering
ACS ES&T Water
屿渡论文,编辑服务
阿拉丁试剂right
上海中医药大学
清华大学
复旦大学
南科大
北京理工大学
上海交通大学
隐藏1h前已浏览文章
课题组网站
新版X-MOL期刊搜索和高级搜索功能介绍
ACS材料视界
王鹏
武汉大学
浙江大学
天合科研
x-mol收录
试剂库存
down
wechat
bug