基于深度学习的焊缝缺陷自动检测算法研究与改进  

作　　者：宋凯 

机构地区：[1]湖南大学机械与运载工程学院,湖南长沙450000

出　　处：《中文科技期刊数据库（全文版）工程技术》2024年第2期0111-0114,共4页

基　　金：2019年广西重点研发计划(2019AB07030);2020年广西创新驱动发展专项(2020AA15001AA)阶段性成果之一。

摘　　要：随着工业制造水平的快速发展,焊接技术已经成为制造业中最重要的工艺技术之一,所以对焊缝缺陷进行检测有着非常重要的意义。本文首先收集大量焊缝X射线底片,进行图像预处理和数据增强,制作焊缝数据集。再在该焊缝数据集进行研究探索,通过实验对比,最终采用单阶段的CenterNet算法作为焊缝缺陷自动检测算法的基准模型。本文根据CenterNet算法的网络结构特点,先对骨干网络的下采样结构进行了改进,接着对残差模块的降维结构进行了优化,最后在残差模块里增加了自校正注意力机制来提升网络泛化能力。经过改进后的CenterNet算法相比于原算法,在检测速度相当的情况下,检测准确率mAP提升了2.0%,AP50提升了1.0%,AP75提升了3.4%。

关 键 词：深度学习 焊缝缺陷检测 无损探伤 CenterNet 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]