基于深度学习的散斑图应变场测量

胡锦江; 任俊杰; 朱攀; 周兴林

doi:10.13873/J.1000-9787(2025)06-0012-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于深度学习的散斑图应变场测量

研究与探讨 | 更新时间：2025-09-11

- 基于深度学习的散斑图应变场测量
- 暂无标题
- 传感器与微系统 2025年第6期页码：12-15+20
- 作者机构：
  
  武汉科技大学机械自动化学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(51827812,52372395)
- DOI：10.13873/J.1000-9787(2025)06-0012-04
  中图分类号： TP18;TP391.41
- 纸质出版：2025
- 稿件说明：
移动端阅览
胡锦江, 任俊杰, 朱攀, 等. 基于深度学习的散斑图应变场测量[J]. 传感器与微系统, 2025,(6):12-15+20.
胡锦江, 任俊杰, 朱攀, 等. 基于深度学习的散斑图应变场测量[J]. 传感器与微系统, 2025,(6):12-15+20. DOI： 10.13873/J.1000-9787(2025)06-0012-04.

DOI：

摘要

针对数字图像相关（DIC）在测量散斑图应变场时最佳子集、步长、形状函数难以选择和由位移场推导应变场会对噪声放大，从而影响应变场测量精度的问题，提出一种直接从散斑图像到应变场的卷积神经网络（CNN）模型，并制作了不同尺寸、密度、光照强度下的散斑图用于训练网络模型。训练好的网络模型在验证集上的平均绝对误差（MAE）达到0.035%。通过测试集中50组散斑图的数值模拟比较其ε

和ε

3个方向的MAE

结果表明：提出的网络模型优于传统DIC算法和现有的神经网络模型。并通过拉伸6061铝合金板实验验证了该模型在实际应变场测量中的可靠性。

Abstract

关键词

Keywords

references

刘宇.数字图像相关法测量精度和测量结果一致性影响因素的研究[D].东南大学,2020(01).

Yang Ru,Li Yang,Zeng Danielle,Guo Ping.Deep DIC: Deep Learning-Based Digital Image Correlation for End-to-End Displacement and Strain Measurement[J].Journal of Materials Processing Technology,2021.

Zhongbin Su,Wei Li,Zheng Ma,Rui Gao.An improved U-Net method for the semantic segmentation of remote sensing images[J].Applied Intelligence,2021.

Institut Pascal, UMR 6602, Université Clermont-Auvergne, CNRS, SIGMA Clermont, Clermont-Ferrand, France,Sma-RTy SAS, Aubière, France,Institut Pascal, UMR 6602, Université Clermont-Auvergne, CNRS, SIGMA Clermont, Clermont-Ferrand, France,Institut Pascal, UMR 6602, Université Clermont-Auvergne, CNRS, SIGMA Clermont, Clermont-Ferrand, France,Institut Pascal, UMR 6602, Université Clermont-Auvergne, CNRS, SIGMA Clermont, Clermont-Ferrand, France,LORIA, UMR 7503, Université de Lorraine, CNRS, Inria, Nancy, France.When Deep Learning Meets Digital Image Correlation[J].Optics and Lasers in Engineering,2021.

aff > .Homography-based measurement of bridge vibration using UAV and DIC method[J].Measurement,2020.

B. Pan,K. Li,W. Tong.Fast, Robust and Accurate Digital Image Correlation Calculation Without Redundant Computations[J].Experimental Mechanics,2013.

Jia-qing Zhao,Pan Zeng,Bin Pan,Li-ping Lei,Hong-fei Du,Wen-bin He,Yang Liu,Yue-jie Xu.Improved Hermite finite element smoothing method for full-field strain measurement over arbitrary region of interest in digital image correlation[J].Optics and Lasers in Engineering,2012.

Sun Yaofeng,John H.L. Pang.Study of optimal subset size in digital image correlation of speckle pattern images[J].Optics and Lasers in Engineering,2007.

W. H. Peters,W. F. Ranson.Digital Imaging Techniques In Experimental Stress Analysis[J].Optical Engineering,1982(3).

徐晓冰,焦宇浩,李奇越,吴刚,左涛涛.基于CNN-LSTM神经网络的热释电红外传感器人员识别[J].传感器与微系统,2023(01).

杨露,校金友,文立华,张承双,侯晓.PBO纤维增强环氧树脂复合材料层间Ⅰ型断裂韧性的DIC技术测量[J].复合材料学报,2023(01).

黄举,孙翠茹,林祥龙.基于卷积神经网络的散斑图像位移场测量方法[J].光学学报,2021(20).

王挺韶,季天瑶,姜雨滋,王瑾.基于降噪自动编码器与一维卷积网络的风机故障诊断方法[J].电测与仪表,2023(01).

赵鸿铎,谷松原,马鲁宽.基于数字图像关联技术的沥青应变计测量准确度比对方法[J].同济大学学报(自然科学版),2018(09).

浏览量

127

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于无阈值递归图和CNN-LSTM的人体活动识别算法

基于可解释性深度学习的传感器异常数据诊断

低分辨率唇纹识别算法的性能评估

基于改进EfficientNet的轻量化性别与年龄段估计算法

基于智能AI的传感器应用