点击次数：

论文类型：期刊论文

发表时间：2022-01-01

发表刊物：无损探伤

卷号：46

期号：6

页面范围：6-10

摘要：针对相控阵超声检测(Phased Array Ultrasonic Testing, PAUT)图像缺陷的人工识别结果准确性和一致性难以保证的问题，本文提出一种基于多层神经网络的PAUT图像缺陷识别方法。在碳钢平板试件中设置长度为2mm～4mm,倾斜角度为0°～60°的裂纹，以及直径为2mm～5mm的横通孔，并进行PAUT检测与S扫描图像采集。构建用于训练和测试神经网络的数据集，其中训练集包含13500个样本，测试集包含1874个样本。基于多层卷积神经网络，对PAUT图像实施缺陷搜索，并区分体积型和面积型。根据分类结果加载不同参数进行语义分割，实现缺陷特征还原。研究结果表明，该方法的缺陷识别准确率达到94.53%,缺陷特征还原像素准确率(Class Pixel Accuracy, CPA)平均值与交并比(Intersection of Union, IoU)平均值分别为99.92%与0.979,且训练和预测过程十分高效。