Page 64 - 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

4 结语

( 1 )通过 COMSOL 软件建立 ACFM 缺陷仿真
模型, 同时 建 立 缺 陷 数 据 库, 进 行 了 数 据 增 强, 为
ACFM 缺陷的智能识别提供了数据支持。
( 2 )建立了基于 SSD 的 交 流 电 磁 场 缺 陷 智 能

识别方法, 模型训练和试验验证结果表明, 基于该
缺陷智能识别方法能有效对缺陷进行分类识别和
定位。

图 12 ACFM 检测系统外观 参考文献:
首先对不规则裂纹、 单一裂纹和腐蚀坑三种典
[ 1 ] 张晓峰, 周炜璐, 杨会 敏 . 核 电 焊 缝 DR 图 像 多 尺 度 对
型缺陷( 见图 13 ) 进行台架扫描试验, 然后对扫描的
比度增强方法[ J ] . 南昌航空大学学报( 自然科学版),
数据进行反演, 得到如图 14 所示的缺陷图像。
B z 2020 , 34 ( 4 ): 73-76.
[ 2 ] 王俊龙, 朱序东, 周杰 . 小径管对接焊缝的冷阴极数字
X 射线检测[ J ] . 无损检测, 2021 , 43 ( 8 ): 21-24 , 57.
[ 3 ] 李伟 . 基于交流电磁场的缺陷智能可视化检测技术研
究[ D ] . 青岛: 中国石油大学, 2007.
[ 4 ] 王伟男, 杨朝红 . 基于图像处理技术的目标识别方法综
述[ J ] . 电脑与信息技术, 2019 , 27 ( 6 ): 9-15.
[ 5 ] 陈勇, 潘东民, 邓平, 等 . 交流电磁场检测信号的影响因
图 13 三种典型缺陷形貌
素与裂纹 的 识 别 判 定[ J ] . 无 损 检 测, 2013 , 35 ( 9 ): 61-
65.
[ 6 ] 王景林 .ACFM 技术的缺陷识别与量化反演系统设计
及试验[ D ] . 南昌: 南昌航空大学, 2019.
[ 7 ] 王伟男, 杨朝红 . 基于图像处理技术的目标识别方法综
述[ J ] . 电脑与信息技术, 2019 , 27 ( 6 ): 9-15.
[ 8 ] 卢健, 何金鑫, 李哲, 等 . 基于深度学习的目标检测综述
[ J ] . 电光与控制, 2020 , 27 ( 5 ): 56-63.
图 14 三种典型缺陷的反演图像形貌
[ 9 ] AMINEH R K , RAVAN M , SADEGHISH H , etal.

将缺陷图像输入到训练模型中进行缺陷预测, Usin gACfieldmeasurementdataatanarbitrar y liftoff

得到的缺陷预测结果如图 15 所示。可以看出, 采用 distancetosizelon gsurface-breakin gcracksinferrous

基于 SSD 的交流电磁场缺陷智能识别算法可以对 metals [ J ] .NDT & EInternational , 2008 , 41 ( 3 ): 169-
三种典型类型的缺陷图像进行有效识别分类, 并且 177.

[ 10 ] WANG E D , LIY , WANG Y B , etal.Vehicleke y
能准确框选出缺陷。
information detection al g orithm based on im p roved

SSD [ J ] .IEICE Transactions on Fundamentals of
Electronics , CommunicationsandCom p uterSciences ,

2020 , 103 ( 5 ): 769-779.
[ 11 ] 袁新安, 李伟, 李文艳, 等 . 交流电磁场裂纹实 时 判 定
与评估方法[ J ] . 无损检测, 2019 , 41 ( 4 ): 7-11 , 57.
图 15 缺陷预测结果

欢迎网上投稿 欢迎订阅 欢迎刊登广告

0
3

2022 年 第 44 卷 第 8 期
无损检测