【技术实现步骤摘要】
基于深度卷积自编码器的艺术品缺陷检测方法
[0001]本专利技术涉及红外热成像领域,特别涉及一种基于深度卷积自编码器的艺术品缺陷检测方法
。
技术介绍
[0002]近年来,无损检测
(Non
‑
destructive Evaluation,NDE)
在应用新材料和调查方法的基础上,大力研究用于文化遗产诊断和保护的物理和化学领域的创新技术
。
为了不损害文化遗产以及不影响被检测物体的观赏性,
NDE
技术成为最具吸引力的检测技术之一
。
目前,
NDE
已不再是仅仅使用
X
射线,还包括声
、
电
、
磁
、
电磁波
、
中子
、
激光等
。
目前,基于不同物理现象已开发多种
NDE
技术,代表性的有超声检测
、
红外热成像检测
、
射线检测
、
涡流检测等
。
其中,红外热成像
(Infrared Thermography,IRT)
检测技术因其成本低
、
操作简单以及在检测艺术品内部结构和缺陷中深受人们喜爱
。
[0003]然而,
IRT
技术进行检测也会有不同原因对实验造成干扰,比如:热源的不均匀加热以及实验环境的噪声干扰,使得
IRT
获得 ...
【技术保护点】
【技术特征摘要】
1.
基于深度卷积自编码器的艺术品缺陷检测方法,其特征在于,包括以下步骤:
(1)
获取热影像数据集:通过红外热成像系统获得实验所使用的热影像数据,获得的数据为三维矩阵
n
t
×
n
x
×
n
y
,并展开为二维矩阵
n
t
×
n
x
n
y
;
(2)
数据集的预处理:对步骤
(1)
中获取的热影像数据进行数据归一化处理,使其变成无量纲数据集;
(3)
建立
DCAT
神经网络模型并训练建立基于深度卷积自编码器的神经网络,将数据集输入所建立的
DCAT
神经网络进行训练;
(4)
对
DCAT
神经网络训练所建立的模型进行性能评估将热影像数据集送入
DCAT
模型进行训练预测评估;采用
F
分数作为评价指标对模型进行评估,验证
DCAT
模型的性能
。2.
根据权利要求1所述的基于深度卷积自编码器的艺术品缺陷检测方法,其特征在于,所述步骤
(2)
的具体过程如下:步骤2:为消除过程变量之间因量纲带来的差异性,对数据进行归一化处理,公式如下:其中:为标准化处理后的数据集,
x
为所采集的原始数据集;
x
min
为原始数据的最小值,
x
max
为原始数据的最大值
。3.
根据权利要求1或2所述的基于深度卷积自编码器的艺术品缺陷检测方法,其特征在于,所述步骤
(3)
的具体过程如下:步骤
3.1
:建立
DCAT
模型数据增强部分
H
=
P(W3*Y+c1)Z
=
Q(W4*H+c2)
式中,
Y
为原始热成像数据;
H
为编码器压缩的数据;
Z
为解码后的热成像数据;
W3和
W4分别是编码器和解码器的权重;
c1和
c2是编码器和解码器的偏置项;
P(
·
)
和
Q(
·
)
分别是编码器和解码器的非线性激活函数;
*
表示二维卷积操作;将最大池化用于
DCAT
模型数据增强中,能够更多保留图像的纹理信息;在编码器中,由2层卷积层和1层池化层组成,将数据输入到编码器中,获得输入数据的编码结果;与编码器相反,解码器对编码结果执行卷积和上采样操作,以重建原始热图像;通过卷积操作,能够提取到数据的本质特征并消除冗余...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。