CN107422002A - 基于局部分形维的平面阵列电容成像缺陷检测定位方法 - Google Patents
基于局部分形维的平面阵列电容成像缺陷检测定位方法 Download PDFInfo
- Publication number
- CN107422002A CN107422002A CN201710191853.1A CN201710191853A CN107422002A CN 107422002 A CN107422002 A CN 107422002A CN 201710191853 A CN201710191853 A CN 201710191853A CN 107422002 A CN107422002 A CN 107422002A
- Authority
- CN
- China
- Prior art keywords
- dimension
- capacitance
- image
- fractal dimension
- planar array
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
- G01N27/22—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance
- G01N27/24—Investigating the presence of flaws
Landscapes
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于局部分形维的平面阵列电容成像缺陷检测定位方法，包括如下步骤：S1将被测样件平行正对置于平面电极阵列传感器上，测量此时的电容值，作为测量物场电容值；S2图像重建：利用LBP算法重建出介电常数分布图像；S3图像处理：提取伪色图像中缺陷颜色所对应的颜色矩阵；S4将重建图形分块，并计算每块的分形维维数，根据重建图像的分块分形维维数直方图确定阈值；S5标记出分形维维数大于阈值的方孔，得到最终标记结果。本申请针对航空用复合材料结构的粘接层缺陷，提出基于平面阵列电极电容成像检测方法，将分形理论应用到平面阵列电极电容成像重建图像的缺陷自动定位中，实现对重建图像进行缺陷的自动标记，提高了缺陷定位精度。
Description
技术领域
本发明涉及一种复合材料无损检测领域，具体涉及一种基于局部分形维的平面阵列电容成像缺陷检测定位方法。
背景技术
近年来，电容层析成像(electrical capacitance tomography，ECT) 技术因其非侵入性、响应快速、测量精度高等优势广泛应用于工业管道/多相流监测等领域，其电极布置主要是圆周式。由此发展而来的平面电极电容成像传感技术不仅具有传统ECT技术的特点，而且凭借自身的几何优势，在被测物场几何空间受限的情况下可从单一方向对被测物进行检测，在复合材料的无损检测等方面具有巨大的发展前景。
目前平面阵列电极电容成像技术主要存在以下不成熟问题：(1) 数据采集精度低，受噪声干扰严重；(2)“软场”效应和不适定性的逆问题；(3)平面阵列电极电容成像系统的高低标定在不同情况下的选取问题；(4)对物体微小缺陷检测、量化分析及实际应用。针对航空用多孔复合材料结构，采用平面阵列电极电容成像技术对其粘接层进行缺陷检测时，相应重建图像中微小缺陷的定位技术的研究，目前尚未见报道。
由于平面阵列电极电容成像系统重建图像边缘模糊现象比较严重，在很大程度上影响测量精度，若通过人为标记定位缺陷位置，则会致使定位误差较大。
发明内容
本发明的目的是针对现有技术中的不足，提供一种基于局部分形维的平面阵列电极电容成像缺陷检测定位方法,通过计算分块分形维维数，并将其与预设的阈值进行比较，将大于阈值的部分认定为存在缺陷，从而确定重建图像中缺陷的位置，并标记出缺陷的轮廓，实现缺陷的自动定位。
为实现上述目的，本发明公开了如下技术方案：
基于局部分形维的平面阵列电容成像缺陷检测定位方法，包括如下步骤：
S1将被测样件平行正对置于平面电极阵列传感器上，测量此时的电容值，作为测量物场电容值；
S2图像重建：利用LBP算法重建出介电常数分布图像；
S3图像处理：提取伪色图像中缺陷颜色所对应的颜色矩阵；
S4利用MATLAB将重建图形分块，并计算每块的分形维维数，根据重建图像的分块分形维维数直方图确定阈值；
S5标记出分形维维数大于阈值的方孔，得到最终标记结果。
进一步的，所述步骤S1具体步骤为，首先对传感器单元的1号电极施加交流激励，其它极板虚地，经多路选通快关轮流与激励电极构成电极对，依次测量得到1-2、1-3、……1-12电极对之间的电容值，之后，将激励电压加到2号电极上，依次测量得到2-3、2-4、……2-12 电极对之间的电容值，依次循环直至测量全部电极对之间的电容值。
进一步的，所述步骤S2图像重建时，将平面阵列传感器采集到的电容值，经过归一化后，利用LBP图像重建算法进行成像。
进一步的，所述步骤S2中图像重建时，需将采集到的电容值数据与仿真得到的灵敏度矩阵进行归一化处理，将处理后的电容值与灵敏度矩阵带入到线性化物理模型中进行计算，公式如下：
G＝ST·C
其中，G为介电常数分布，C为电容值，S为灵敏度矩阵，T为矩阵转秩。
进一步的，所述步骤S3中，进行局部分形维维数计算时采用 Blanket法计算。
进一步的，采用Blanket法计算分形维的具体步骤如下：
假设有一个被测样件覆盖图像的灰度曲面g(i,j)，令被测样件的上下表面分别是μδ(i,j)，bδ(i,j)；
其中g(i,j)＝μ0(i,j)＝b0(i,j)，令δ为被测样件个数，则灰度曲面的分形面面积为：
分形面积与维数的关系为：
A(δ)≈βδ2-D
通过上述计算出维数D，其中β是常数，对等式两边同时取对数得到如下公式：
log(A(δ))≈(2-D)logδ+logβ
从上述公式中看出，log(A(δ))与logδ成近似的线性关系，δ取不同值时，会得到一组(logδi,logA(δi))，通过最小二乘法进行直线拟合上述求出维数D，维数的计算公式：
进一步的，所述步骤S5具体步骤为，将计算出的局部分形维D与根据重建图像的分块分形维维数直方图确定的阈值阈值比较，大于阈值的部分认为存在缺陷并标记出，从而实现缺陷定位。
本发明公开的基于局部分形维的平面阵列电极电容成像缺陷检测定位方法，具有以下有益效果：
本申请针对航空用多孔复合材料结构的粘接层缺陷，提出基于平面阵列电极电容成像检测方法，并主要就缺陷的自动定位方法进行研究。将在工业CT图像中采用的缺陷快速定位方法——分形理论，应用到平面阵列电极电容成像重建图像的缺陷自动定位之中，实现对重建图像进行缺陷的自动标记，并提高了缺陷定位精度。
附图说明
图1是待测样件的示意图；
图2是利用LBP算法重建出的介电常数分布图像；
图3是提取出的红色矩阵的灰度图像；
图4是重建图像的分块分形维维数直方图；
图5是图像中缺陷的定位标记图像。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的核心是提供一种基于局部分形维的平面阵列电极电容成像缺陷检测定位方法,通过计算分块分形维维数，并将其与预设的阈值进行比较，将大于阈值的部分认定为存在缺陷，从而确定重建图像中缺陷的位置，并标记出缺陷的轮廓，实现缺陷的自动定位。
平面阵列电容传感器是利用电容器的边缘电场(Fringing Electric Field，FEF)进行检测，它根据不同材料介质的介电常数不同的物理性质，利用平面电极传感器形成的空间敏感场，对被测对象进行测量，获得被测物场的介电常数分布信息，最后利用图像重建算法，得到被测物场的介质分布图像。完整的平面阵列电极电容成像系统主要包含 3个部分，工作时首先对1号电极施加交流激励，其它极板虚地，经多路选通开关轮流与激励电极构成电极对，依次测量得到1-2，1-3，…，1-12电极对之间的电容值，之后，将激励电压加到2号电极上，依次测量2-3，…，2-12电极对之间的电容值，依次循环。
本发明公开的基于局部分形维的平面阵列电极电容成像缺陷检测定位方法，包括如下步骤：
S1将被测样件平行正对置于平面电极阵列传感器上(如图1)，测量此时的电容值，作为测量物场电容值；
S2图像重建：利用LBP算法重建出介电常数分布图像(如图2)；
S3图像处理：提取伪色图像中缺陷颜色所对应的颜色矩阵(如图3，因为伪色图是由三原色组合而成的，例：本发明中，图像重建出的缺陷部分颜色为红色，则提取出红色矩阵)；
S4利用MATLAB将重建图形分块，并计算每块的分形维维数，根据重建图像的分块分形维维数直方图确定阈值(如图4)；
S5标记出分形维维数大于阈值的方孔，得到最终标记结果(如图5)。
在本发明的一种实施例中，所述步骤S1具体步骤为，首先对传感器单元的1号电极施加交流激励，其它极板虚地，经多路选通快关轮流与激励电极构成电极对，依次测量得到1-2、1-3、……1-12电极对之间的电容值，之后，将激励电压加到2号电极上，依次测量得到2-3、2-4、……2-12电极对之间的电容值，依次循环直至测量全部电极对之间的电容值。
在本发明的一种实施例中，所述步骤S2图像重建时，将平面阵列传感器采集到的电容值，经过归一化后，利用LBP图像重建算法进行成像。
在本发明的一种实施例中，所述步骤S2中图像重建时，需将采集到的电容值数据与仿真得到的灵敏度矩阵进行归一化处理，将处理后的电容值与灵敏度矩阵带入到线性化物理模型中进行计算，公式如下：
G＝ST·C
其中，G为介电常数分布，C为电容值，S为灵敏度矩阵，T为矩阵转秩。
图像重建过程中主要的两个问题是正问题和反问题。正问题是已知介电常数分布(就是上式中G)获取电极对之间的电容值(即上述公式)，反问题则是已知电容值C得出介电常数分布G。在电容层析成像中主要是应用反问题进行成像，在求解介电常数分布G时，由于“软场效应”使得在反问题的求解过程中存在不适定性，为提高重建图像质量，在反问题求解时要采用优化算法，上面的LBP算法就是优化算法。
在本发明的一种实施例中，所述步骤S3中，进行局部分形维维数计算时采用Blanket法计算。
在本发明的一种实施例中，采用Blanket法计算分形维的具体步骤如下：
假设有一个被测样件覆盖图像的灰度曲面g(i,j)，令被测样件的上下表面分别是μδ(i,j)，bδ(i,j)；
其中g(i,j)＝μ0(i,j)＝b0(i,j)，令δ为被测样件个数，则灰度曲面的分形面面积为：
分形面积与维数的关系为：
A(δ)≈βδ2-D
通过上述计算出维数D，其中β是常数，对等式两边同时取对数得到如下公式：
log(A(δ))≈(2-D)logδ+logβ
从上述公式中看出，log(A(δ))与logδ成近似的线性关系，δ取不同值时，会得到一组(logδi,logA(δi))，通过最小二乘法进行直线拟合上述求出维数D，维数的计算公式：
在本发明的一种实施例中，所述步骤S5具体步骤为，将计算出的局部分形维D与根据重建图像的分块分形维维数直方图确定的阈值阈值比较，大于阈值的部分认为存在缺陷并标记出，从而实现缺陷定位。
缺陷自动定位步骤：
(1)用固定大小的方框在图像范围内移动，方框移动时可以重合，需要注意的是移动距离不要过大，否则会遗漏有用信息，移动步长d的取值范围：0＜d≤l(l为所取方框边长)，为了提高缺陷标识的准确率，将移动步长设为10mm。
(2)毯子个数δ＝1,2,…,N，当依次取N到时，会得到不同的A(δ) 根据公式利用最小二乘法拟合直线可求得分形维数D。
(3)事先设定阈值，并判断此方框内的维数D与阈值之间的关系，如果D大于阈值，则说明该方框内存在缺陷，并在图像中标记出方框。阈值的选取关系到缺陷标记的准确性，阈值如果过大，则缺陷的边缘就会标记不上，过小就会标记到背景部分。本发明通过观察分块分形维维数直方图来确定阈值大小，灰度图像的分块分形维维数直方图如图4所示，通过观察直方图中的维数分布情况，可以将与之设置为2.4。
相比背景技术中介绍的内容，本发明针对某种航空用复合材料结构，具有多孔、疏松结构、各向异性、强吸声性等特点，采用一种平面阵列电极电容成像传感技术，对复合材料结构的粘贴层缺陷进行检测，并采用分形理论对重建图像实现缺陷自动定位，提高了缺陷定位精度。
以上所述仅是本发明的优选实施方式，而非对其限制；应当指出，尽管参照上述各实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，其依然可以对上述各实施例所记载的技术方案进行修改，或对其中部分或者全部技术特征进行等同替换；而这些修改和替换，并不使相应的技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (7)
1.基于局部分形维的平面阵列电容成像缺陷检测定位方法，其特征在于，包括如下步骤：
S1将被测样件平行正对置于平面电极阵列传感器上，测量此时的电容值，作为测量物场电容值；
S2图像重建：利用LBP算法重建出介电常数分布图像；
S3图像处理：提取伪色图像中缺陷颜色所对应的颜色矩阵；
S4利用MATLAB将重建图形分块，并计算每块的分形维维数，根据重建图像的分块分形维维数直方图确定阈值；
S5标记出分形维维数大于阈值的方孔，得到最终标记结果。
2.根据权利要求1所述的基于局部分形维的平面阵列电容成像缺陷检测定位方法，其特征在于，所述步骤S1具体步骤为，首先对传感器单元的1号电极施加交流激励，其它极板虚地，经多路选通快关轮流与激励电极构成电极对，依次测量得到1-2、1-3、……1-12电极对之间的电容值，之后，将激励电压加到2号电极上，依次测量得到2-3、2-4、……2-12电极对之间的电容值，依次循环直至测量全部电极对之间的电容值。
3.根据权利要求1所述的基于局部分形维的平面阵列电容成像缺陷检测定位方法，其特征在于，所述步骤S2图像重建时，将平面阵列传感器采集到的电容值，经过归一化后，利用LBP图像重建算法进行成像。
4.根据权利要求3所述的基于局部分形维的平面阵列电容成像缺陷检测定位方法，其特征在于，所述步骤S2中图像重建时，需将采集到的电容值数据与仿真得到的灵敏度矩阵进行归一化处理，将处理后的电容值与灵敏度矩阵带入到线性化物理模型中进行计算，公式如下：
G＝ST·C
其中，G为介电常数分布，C为电容值，S为灵敏度矩阵，T为矩阵转秩。
5.根据权利要求1所述的基于局部分形维的平面阵列电容成像缺陷检测定位方法，其特征在于，所述步骤S3中，进行局部分形维维数计算时采用Blanket法计算。
6.根据权利要求5所述的基于局部分形维的平面阵列电容成像缺陷检测定位方法，其特征在于，采用Blanket法计算分形维的具体步骤如下：
假设有一个被测样件覆盖图像的灰度曲面g(i,j)，令被测样件的上下表面分别是μδ(i,j)，bδ(i,j)；
其中g(i,j)＝μ0(i,j)＝b0(i,j)，令δ为被测样件个数，则灰度曲面的分形面面积为：
分形面积与维数的关系为：
A(δ)≈βδ2-D
通过上述计算出维数D，其中β是常数，对等式两边同时取对数得到如下公式：
log(A(δ))≈(2-D)logδ+logβ
从上述公式中看出，log(A(δ))与logδ成近似的线性关系，δ取不同值时，会得到一组(logδi,logA(δi))，通过最小二乘法进行直线拟合上述求出维数D，维数的计算公式：
7.根据权利要求6所述的基于局部分形维的平面阵列电容成像缺陷检测定位方法，其特征在于，所述步骤S5具体步骤为，将计算出的局部分形维D与根据重建图像的分块分形维维数直方图确定的阈值阈值比较，大于阈值的部分认为存在缺陷并标记出，从而实现缺陷定位。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710191853.1A CN107422002A (zh) | 2017-03-28 | 2017-03-28 | 基于局部分形维的平面阵列电容成像缺陷检测定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710191853.1A CN107422002A (zh) | 2017-03-28 | 2017-03-28 | 基于局部分形维的平面阵列电容成像缺陷检测定位方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107422002A true CN107422002A (zh) | 2017-12-01 |
Family
ID=60423086
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710191853.1A Pending CN107422002A (zh) | 2017-03-28 | 2017-03-28 | 基于局部分形维的平面阵列电容成像缺陷检测定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107422002A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108362746A (zh) * | 2018-02-01 | 2018-08-03 | 中国石油大学(华东) | 基于单对电极电容成像检测技术提离效应的缺陷判别方法 |
| EP3495809A1 (en) * | 2017-12-05 | 2019-06-12 | Airbus Helicopters | A method for non-intrusively detecting imperfections in a test object |
| WO2019110949A1 (en) * | 2017-12-06 | 2019-06-13 | Zedsen Limited | Examining objects with electric fields |
| CN110779965A (zh) * | 2019-10-22 | 2020-02-11 | 电子科技大学 | 一种大面积表面损伤柔性探测装置 |
| CN111272060A (zh) * | 2018-12-05 | 2020-06-12 | 中国石油大学(华东) | 基于单对电极电容成像检测技术的非导电材料开口缺陷宽度方向尺寸量化方法 |
| CN111309705A (zh) * | 2019-02-22 | 2020-06-19 | 中国石油大学(华东) | 基于单对电极电容成像检测技术的开口缺陷多提离数据库量化方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102053115A (zh) * | 2010-12-06 | 2011-05-11 | 河海大学 | 一种检测复合材料缺陷的装置及方法 |
| CN104458834A (zh) * | 2014-12-05 | 2015-03-25 | 燕山大学 | 一种材料缺陷检测设备以及材料缺陷检测方法 |
-
2017
- 2017-03-28 CN CN201710191853.1A patent/CN107422002A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102053115A (zh) * | 2010-12-06 | 2011-05-11 | 河海大学 | 一种检测复合材料缺陷的装置及方法 |
| CN104458834A (zh) * | 2014-12-05 | 2015-03-25 | 燕山大学 | 一种材料缺陷检测设备以及材料缺陷检测方法 |
Non-Patent Citations (4)
| Title |
|---|
| XIAOKANG YIN等: "Detecting Surface Features on Conducting Specimens Through an Insulation Layer Using a Capacitive Imaging Technique", 《NDT&E INTERNATIONAL》 * |
| 朱凯 等: "分形维数及其在图像分析中的应用研究", 《河南师范大学学报(自然科学版)》 * |
| 温银堂 等: "基于改进ECT的隔热材料胶层无损检测研究", 《仪器仪表学报》 * |
| 陈培兴 等: "基于分块分形的工业CT图像缺陷自动定位算法", 《计算机技术与应用》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3495809A1 (en) * | 2017-12-05 | 2019-06-12 | Airbus Helicopters | A method for non-intrusively detecting imperfections in a test object |
| US10876989B2 (en) | 2017-12-05 | 2020-12-29 | Airbus Helicopters | Method for non-intrusively detecting imperfections in a test object |
| WO2019110949A1 (en) * | 2017-12-06 | 2019-06-13 | Zedsen Limited | Examining objects with electric fields |
| US11016050B2 (en) | 2017-12-06 | 2021-05-25 | Zedsen Limited | Examining objects with electric fields |
| CN108362746A (zh) * | 2018-02-01 | 2018-08-03 | 中国石油大学(华东) | 基于单对电极电容成像检测技术提离效应的缺陷判别方法 |
| CN108362746B (zh) * | 2018-02-01 | 2021-07-02 | 中国石油大学(华东) | 基于单对电极电容成像检测技术提离效应的缺陷判别方法 |
| CN111272060A (zh) * | 2018-12-05 | 2020-06-12 | 中国石油大学(华东) | 基于单对电极电容成像检测技术的非导电材料开口缺陷宽度方向尺寸量化方法 |
| CN111272060B (zh) * | 2018-12-05 | 2021-08-31 | 中国石油大学(华东) | 基于单对电极电容成像检测技术的非导电材料开口缺陷宽度方向尺寸量化方法 |
| CN111309705A (zh) * | 2019-02-22 | 2020-06-19 | 中国石油大学(华东) | 基于单对电极电容成像检测技术的开口缺陷多提离数据库量化方法 |
| CN110779965A (zh) * | 2019-10-22 | 2020-02-11 | 电子科技大学 | 一种大面积表面损伤柔性探测装置 |
| CN110779965B (zh) * | 2019-10-22 | 2022-08-02 | 电子科技大学 | 一种大面积表面损伤柔性探测装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107422002A (zh) | 基于局部分形维的平面阵列电容成像缺陷检测定位方法 | |
| CN106959325A (zh) | 一种平面阵列电极电容传感器、成像系统及成像方法 | |
| Brown et al. | Detection of cervical intraepithelial neoplasia using impedance spectroscopy: a prospective study | |
| CN107748129B (zh) | 一种用于多孔介质绝缘板材渗水的检测系统及其检测方法 | |
| CN105115873A (zh) | 混凝土抗渗性的无损检测方法 | |
| CN108875794A (zh) | 一种基于迁移学习的图像能见度检测方法 | |
| CN105352998B (zh) | 脉冲涡流红外热图像的独立成分个数确定方法 | |
| CN101584587B (zh) | 一种ct投影中心的自动校正方法 | |
| CN106770296B (zh) | 一种四球摩擦试验磨斑图像磨痕方向角自动测定方法 | |
| CN109813772A (zh) | 一种同面阵列电容稳定成像方法 | |
| CN111753877B (zh) | 一种基于深度神经网络迁移学习的产品质量检测方法 | |
| CN109738494A (zh) | 一种同面阵列电容传感器的敏感场分析方法 | |
| Zhang et al. | A novel evaluation method of aggregate distribution homogeneity for asphalt pavement based on the characteristics of texture structure | |
| CN110189321B (zh) | 一种混凝土表面涂料均匀性确定方法及系统 | |
| Pan et al. | An optimization method of planar array capacitance imaging | |
| CN103018284B (zh) | 一种基于二端子阻抗测量模式的四端子电阻抗层析成像方法 | |
| CN107180428B (zh) | 一种基于光流算法的磁光图像增强方法 | |
| CN108362716A (zh) | 一种基于医用ct的文物材质检测判定方法及检测装置 | |
| CN108446637A (zh) | 基于立体图模型的sar图像变化检测方法 | |
| CN110208605A (zh) | 一种抑制阶梯效应的电阻层析成像电导率分布重建的方法 | |
| CN113223150B (zh) | 三维磁粒子图像积分断层重建方法、系统和设备 | |
| CN112489026B (zh) | 基于多分支并行卷积神经网络的沥青路面病害检测方法 | |
| CN104515473A (zh) | 一种漆包线直径的在线检测方法 | |
| CN110186962A (zh) | 一种用于电容层析成像的不完整测量数据成像方法 | |
| CN109187670A (zh) | 一种通信光缆接续盒智能检测系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171201 |
|
| RJ01 | Rejection of invention patent application after publication |