基于深度学习的X射线燃料棒端塞缺陷自动检测方法研究OA北大核心CSTPCD

为了提高深度学习在X射线燃料棒端塞缺陷检测中的准确性,实现更高精度的无损检测,本文基于YOLOX的目标检测模型,针对该场景下目标缺陷尺寸极小的特点,对网络结构和损失函数进行了相应的改进,并在工业数据集上进行了验证。结果表明,该算法方案在保持较高识别速度的同时,识别精度获得了明显的提升,达到生产检测要求。该研究方法为今后燃料棒端塞焊缝X射线数字检测图像的高精度自动分析评价打下了坚实的基础。