Page 53 - 无损检测2023年第一期

刘 洋, 等:

基于改进 YOLOV5的缺陷识别与定量分析
表2 圆形缺陷面积与位置的平均误差
编号 实际位置 / mm 识别位置 / mm 实际面积 / mm 2 识别面积 / mm 2 位置误差 / mm 面积误差 / mm 2

1 ( 10 , 50 ) ( 11.7 , 52.6 ) 79.5 82.2 ( 1.7 , 2.6 ) 2.7

2 ( 30 , 50 ) ( 32.1 , 51.2 ) 19.6 20.3 ( 2.1 , 1.2 ) 0.7

3 ( 60 , 50 ) ( 60.4 , 49.1 ) 3.14 3.18 ( 0.4 , 0.9 ) 0.04
表3 扇形缺陷面积与位置的平均误差
编号 实际位置 / mm 识别位置 / mm 实际面积 / mm 2 识别面积 / mm 2 位置误差 / mm 面积误差 / mm 2

1 ( 10 , 50 ) ( 11.3 , 50.4 ) 457 482 ( 1.3 , 0.4 ) 25

2 ( 50 , 10 ) ( 51.5 , 12.8 ) 415 428 ( 1.5 , 2.8 ) 13

3 ( 85 , 50 ) ( 84 , 51.5 ) 428 445 ( 1.0 , 1.5 ) 17

4 ( 50 , 85 ) ( 48.9 , 83.1 ) 573 602 ( 1.1 , 1.9 ) 29
表4 方形缺陷面积与位置的平均误差
编号 实际位置 / mm 识别位置 / mm 实际面积 / mm 2 识别面积 / mm 2 位置误差 / mm 面积误差 / mm 2

1 ( 15 , 25 ) ( 15.8 , 25.6 ) 36 37.4 ( 0.8 , 0.6 ) 1.4

2 ( 70 , 30 ) ( 71.6 , 31.8 ) 100 104.2 ( 1.6 , 1.8 ) 4.2

3 ( 50 , 75 ) ( 52.3 , 71.4 ) 225 235.7 ( 2.3 , 1.4 ) 10.7

据, 缺陷中心位置横纵坐标平均误差均小于2mm , S.ContributionofCFRPtotheshearstren g thof

面积识别平均误差小于 5% , 在实际检测允许的误 retrofitted li g htl y -reinforced concrete p anels [ J ] .

差范围内。 JournalofBuildin gEn g ineerin g , 2021 , 44 : 102722.

[ 5 ] TENGGY , ZHOUXJ , YANGCL , etal.Ultrasonic
3 结论 detection methodof microdefectsinthick-section

CFRP [ J ] .O p ticsandPrecisionEn g ineerin g , 2018 , 26
为解决碳纤维复合材料无损检测中缺陷识别准
( 12 ): 3108-3117.
确率低、 效率差的问题, 使用 YOLOV5算法对碳纤 [ 6 ] 刘旭, 吴俊伟, 何勇, 等. 基于空耦换能器的碳纤维增

维复合材料预置缺陷的超声无损检测结果进行识 强环氧树脂编织复合材料激光超声检测技术[ J ] . 复
别。通过添加注意力机制、 优化先验框和损失函数 合材料学报, 2021 , 38 ( 9 ): 2822-2831.
等措施对 YOLOV5算法进行改进, 并通过数据增 [ 7 ] 张海燕, 宋佳昕, 任燕, 等. 碳纤维增强复合材料褶皱

强提高模型的泛化能力, 实现了对不同大小、 不同形 缺陷的超声成像[ J ] . 物理学报, 2021 , 70 ( 11 ): 165-
态缺陷的识别。试验结果显示优化后的算法精度和 172.

速度都有所提升, 平均识别精度超过 98% , 位置计 [ 8 ] ZHANGX F , WU X , HE Y Z , etal.CFRPbarel y

算误差小于2mm , 面积计算误差低于5% , 该模型 visible im p act dama g e ins p ection based on an

ultrasoundwavedistortionindicator [ J ] .Com p osites
体积小, 鲁棒性高, 为碳纤维材料缺陷的实时检测提
PartB : En g ineerin g , 2019 , 168 : 152-158.
供了方法。
[ 9 ] BOHLOULI R , ROSTAMI B , KEIGHOBADIJ.

参考文献: A pp licationofneuro-waveletal g orithminultrasonic-

p hasedarra ynondestructivetestin gofp ol y eth y lene
[ 1 ] 宋雪旸, 张岩, 徐成功, 等. 碳纤维 / 聚丙烯 / 聚乳酸增
p i p elines [ J ] .Journal of Control Science and
强复合材料的力学性能[ J ] . 纺织学报, 2021 , 42 ( 11 ): En g ineerin g , 2012 , 2012 : 1-9.

84-88. [ 10 ] RHIMJ , LEES W.Aneuralnetworka pp roachfor

[ 2 ] NELUYBV A , MALYSHEVA G V , KOMAROVI
dama g edetectionandidentificationofstructures [ J ] .

A.New technolo g iesforp roducin g multifunctional Com p utationalMechanics , 1995 , 16 ( 6 ): 437-443.

reinforced carbon p lastics [ J ] .Materials Science [ 11 ] XU Y , WEISY , BAOYQ , etal.Automaticseismic

Forum , 2021 , 1037 : 196-202. dama g eidentificationofreinforcedconcretecolumns
[ 3 ] 苏飞, 欧阳晨恺, 李枫, 等. 碳纤维增强树脂复合材料 fromima g esb yare g ion-baseddee pconvolutional

齿槽加工中分层缺陷的形成机制[ J ] . 复合材料学报, neuralnetwork [ J ] .StructuralControland Health
2021 , 38 ( 12 ): 4042-4051. Monitorin g , 2019 , 26 ( 3 ): e2313.

[ 4 ] CARRILLOJ , RODRÍGUEZD , VILLAR-SALINAS ( 下转第22页)
9
1
2023年 第45卷 第1期
无损检测