-
基于深度学习的工业CT图像缺陷检测，0.1mm级微裂纹识别与三维重建算法
工业CT(计算机断层扫描)技术通过X射线穿透物体并重建三维结构，已成为航空航天、汽车制造、新能源等领域的关键无损检测手段。然而，传统工业CT图像分析依赖人工判读或阈值分割算法，对0.1mm级微裂纹、气孔等缺陷的识别存在漏检率高、效率低等问题。深度学习技术的引入，尤其是多尺度卷积神经网络(CNN)与三维重建算法的融合，实现了从二维断层图像到三维缺陷模型的自动化、高精度分析，推动了工业检测向智能化、微纳化方向发展。
工业CT(计算机断层扫描)技术通过X射线穿透物体并重建三维结构，已成为航空航天、汽车制造、新能源等领域的关键无损检测手段。然而，传统工业CT图像分析依赖人工判读或阈值分割算法，对0.1mm级微裂纹、气孔等缺陷的识别存在漏检率高、效率低等问题。深度学习技术的引入，尤其是多尺度卷积神经网络(CNN)与三维重建算法的融合，实现了从二维断层图像到三维缺陷模型的自动化、高精度分析，推动了工业检测向智能化、微纳化方向发展。
