基于区域的快速卷积神经网络的焊缝TOFD检测缺陷识别

摘要：

受扫查图像效果和检测人员能力与主观因素的影响,检测人员在使用超声衍射时差法(TOFD)的D扫描图像判断焊缝缺陷类型时,存在可靠性低、争议大、速度慢的问题.为了提高缺陷类型识别的准确性及效率,分析了焊缝缺陷的TOFD-D扫描图像特征,构建了一种基于区域的卷积神经网络(Faster RCNN),对焊缝缺陷D扫描图像中的缺陷类型进行自动识别;在网络训练过程中,提出了采用样本扩展及建议框优化方法以提高网络训练的稳定性及效率.结果表明:缺陷的TOFD-D扫描图像的轮廓与缺陷几何形状密切相关,可用于判断缺陷类型;Faster RCNN网络虽然可能对界面波及噪声造成误判,但对缺陷类型的识别率可达到97％以上,可实现缺陷类型的自动识别,并具有高识别率、鲁棒性和抗干扰能力.

关键词：D扫描图像、焊缝缺陷、自动识别、基于区域的快速卷积神经网络

所属期刊栏目：41

分类号：TG156;TN06;TG115.28(金属学与热处理)

资助基金：宁波市特种设备检验研究院院级项目Y-2016-013

在线出版日期：2019-08-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：12-18