针对TGO截面图像特征随着热振实验进行TGO厚度及损坏情况不同的特性，本文首次提出利用卷积神经网络评估热障涂层寿命。首先分别采集热振次数为0,60,120,180,240,300的试样CCD图像并建立数据集。其次针对TGO图像纹理对VGG-16模型的卷积核进行调整，采用5×5与7×7卷积核来增大感野，并将步幅从1扩大到2，在增大感受野的同时减小参数，调整算法为Conv Net与Conv Net-2。最后实验结果表明：VGG-16网络模型识别准确率为92.01%左右；Res Net50网络的模型识别准确率为85.30%；改进的Conv Net-1网络模型识别准确率为93.68%，改进的 Conv Net-2网络模型准确率为90.06%。其中Conv Net-1网络收敛速度更快，模型稳定性更好，同时准确率也较之前的算法有所提升。

热障涂层;卷积神经网络;图像处理；热振实验