Page 60 - 无损检测2022年第八期

杨会敏,等:
基于 SSD 的交流电磁场缺陷智能识别方法

优点 [ 3 ] 。
应用 ACFM 技术检测缺陷时, 如果引入图像处
理和智能识别技术, 能减少人工评判, 降低误判和漏
判的可能性, 减少工程事故的发生 [ 4 ] 。目前国内外
基于 ACFM 技术的缺陷识别方法主要分为以下两

类: ① 依据特征信号或者时基图, 该方法很难对缺
陷信号进行自动判定与智能识别, 易造成缺陷的误

判和漏判; ② 基于 C 扫描方法或特征信号显 示方
法, 该方法不能直观地反映缺陷结构, 很难准确地获 图 2 一般裂纹特征信号 B z
得缺陷的类型和形貌 [ 5-6 ] 。这两种方法都难以实现
缺陷的实时智能识别。
深度学习目标检测算法 [ 7-8 ] 可以为交流电磁场
缺陷智 能 识 别 与 判 定 [ 9 ] 提 供 一 个 有 效 的 解 决 方
案。单发多盒检测 器 ( SSD ) 算 法 就 是 一 种 深 度 学
习目标检测算 法 [ 10 ] , 其 采 用 不 同 深 度 的 卷 积 特 征
层来进行 检 测, 浅 层 的 特 征 层 可 以 检 测 一 些 小 缺
陷, 深层的特征层可以检测大缺陷。因此, 文章针
对传统交 流 电 磁 场 检 测 仪 器 的 局 限 性, 建 立 基 于 图 3 一般裂纹灰度图
SSD 的交流电磁场缺陷智能识别方法。先通过仿 同时, 建立不规则裂纹和腐蚀坑缺陷的仿真模
真试验建立 缺 陷 数 据 库; 然 后 基 于 SSD 算 法 建 立 型, 进行仿真分析, 提取缺陷上方的畸变磁场信号
交流电磁 场 缺 陷 智 能 识 别 方 法; 最 后 通 过 试 验 验 B z , 反演出不规则裂纹和腐蚀坑缺陷的灰度图, 不
证了基于 SSD 的交流电磁场缺陷智能识别方法的 规则裂纹灰度图如图 4 所示, 腐蚀坑灰度图如图 5
有效性。 所示。

1 缺陷数据库的建立

利用 COMSOL 仿真软件 建 立 缺 陷 的 ACFM
仿真模型( 见图 1 )。仿真模型主要由空气区域、 线
圈、 U 型磁芯、 检测工件和缺陷等组成。

图 4 不规则裂纹灰度图

图 1 交流电磁场有限元仿真模型
通电线圈缠绕在 U 型磁芯上, 放置于被检测工
件的正上方, 将缺陷设置为一般开口裂纹, 整体模型
放置于空气域中。对模型进行网格划分, 频率设置
为 1kHz , 采用参数化扫描方式求解, 提取缺陷上方

( 见图 2 )。 图 5 腐蚀坑灰度图
畸变磁场信号 B z
使用梯度算法对一般裂纹缺陷进行表面轮廓重 为了实现缺陷轮廓数据的智能识别, 统一采用
构, 对归一化特征信号求取灰度图, 得到裂纹表面轮 单向梯度算法对所有缺陷数据进行处理, 形成不同
廓可视化图像 [ 11 ] , 一般裂纹灰度图如图 3 所示。 类型缺陷表面轮廓可视化成像结果。针对 3 种类型
2
6

2022 年 第 44 卷 第 8 期
无损检测