《表2 不同方法对比：核燃料芯块的表面裂纹检测算法研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《核燃料芯块的表面裂纹检测算法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

将本文算法与双重阈值、张量投票算法[7]、传统Beamlet算法[10]进行对比。实验过程中，CrackCNN模型的建立和测试使用的数据集共12000个样本，其中训练集为9600个，测试集为2400个，该数据集中不含用于算法性能评估的30幅图像。模型在10000步后测试集准确率达到97%并趋于稳定，选取此时模型参数用于算法性能分析。采用的Beamlet算法的尺度因子k为3，阈值为3.1节介绍的动态阈值T=M-0.16。3种算法的检测对象均采用2.1节介绍的预处理方法进行处理，表2显示了3种算法分别对30幅图像处理后，裂纹检测结果的平均查准率P、查全率R和F-measure (F）的值。图8所示为3幅不同图像的裂纹检测结果。其中，第一、二行为仿体端面裂纹图像，第三行为采用线扫描相机拍摄得到的仿体侧面裂纹图像，均采用同样方法进行检测。每列分别为原始图像、真实裂纹，以及双重阈值和张量投票算法、Beamlet算法和本文算法的检测结果，可以看出，本文算法可以应用于整个仿体表面的裂纹检测。