基于深度卷积神经网络的铝合金铸件自动识别研究
摘要:铝合金铸件是轨道交通、航空航天和汽车制造等领域关键承载部件,铸件缺陷会影响组件结构安全。传统无损检测依赖人工判读,效率低且有主观性误差。近年来,卷积神经网络(CNN)应用于复杂金属材料缺陷无损自动检测。本文论述深度卷积神经网络在铝合金铸件与焊缝缺陷识别的最新进展,包括缺陷类型与检测难点、改进方法及多模态融合趋势。结果表明,基于深度卷积神经网络的检测方法为铝合金结构件无损检测提供可行方案,但在实时性、可解释性等方面有待进一步探索。
王恺漠