Page 46 - 无损检测2023年第二期

试验研究

DOI : 10.11973 / ws j c202302003

一种多源特征融合深度学习模型及复杂构件

缺陷类型识别方法

程虎跃 , 刘 贞 , 史志光 , 王永红 , 姜洪权 , 杨得焱 , 高建民 , 支泽林 1
2
1
1
2
1
1
1

( 1. 西安交通大学 机械制造系统工程国家重点实验室, 西安 710049 ;

2. 西安航天发动机有限公司, 西安 710100 )

摘 要: 复杂构件内部缺陷的类型识别对于保证装备制造质量及安全可靠运行具有重要的意
义。针对现有深度学习模型用于缺陷类型识别时存在局部特征提取较差、 缺乏考虑缺陷经验特性
以及特征信息丢失的问题, 提出了一种融合先验特征、 全局特征以及 ReliefF-Poolin g 策略的缺陷
类型识别方法; 实现了缺陷几何、 纹理等先验特征与卷积神经网络全局特征的融合分析, 并通过构
建基于 ReliefF-Poolin g 的特征优化方法, 实现不同权重特征信息优化利用; 最后, 以某航天企业实
际的复杂构件内部缺陷的射线检测为例进行了验证。试验结果表明, 所提方法可以有效提升复杂
构件内部缺陷的类型识别精度。
关键词: 缺陷类型识别; 射线检测; 深度学习; 先验特征

中图分类号: TP391 ; TG115.28 文献标志码: A 文章编号: 1000-6656 ( 2023 ) 02-0012-07

Adee p learnin gmodelbasedonmulti-sourcefeaturefusionand

defectt yp ereco g nitionmethodforcom p lexcom p onents

1
1
1
1
2
2
CHENGHu y ue , LIUZhen , SHIZhi g uan g WANGYon g hon g JIANGHon gq uan , YANGDe y an ,
,
,

1
GAOJianmin , ZHIZelin 1

( 1.StateKe yLaborator y forManufacturin gS y stemsEn g ineerin g , Xi'anJiaoton gUniversit y , Xi'an710049 , China ;

2.Xi'anS p aceEn g ineCo. , Ltd. , Xi'an710100 , China )

Abstract : Theinternaldefectt yp ereco g nitionofcom p lexcom p onentsisofg reatsi g nificancetoensure

e q ui p mentmanufacturin gq ualit yandsafeandreliableo p eration.Aimin gatthep roblemsofp oorlocalfeature

extraction , lackofconsiderin g theem p iricalcharacteristicsofdefectsandlossoffeatureinformationintheexistin g

dee p learnin gmodelfordefectt yp ereco g nition , adefectt yp ereco g nitionmethodbasedonp riorfeatures , g lobal

featuresandReliefF-Poolin gstrate gy isp ro p osed.Thefusionanal y sisofp riorfeaturessuchasdefect g eometr y ,

textureand g lobalfeaturesofconvolutionalneuralnetwork ( CNN ) isrealized , andthefeatureo p timizationmethod

basedonReliefF-Poolin g isconstructedtoo p timizetheutilizationoffeatureinformationwithdifferentwei g hts.

Finall y , asanexam p le , theactualradio g ra p hictestin gofinternaldefectsincom p lexcom p onentsinanaeros p ace

enter p riseisusedtoverif ythep ro p osedmethod.Theex p erimentalresultsshowthatthep ro p osedmethodcan

effectivel y im p rovethet yp ereco g nitionaccurac y ofinternaldefectsincom p lexcom p onents.

Ke ywords : defectt yp ereco g nition ; radio g ra p hictestin g ; dee p learnin g ; p riorifeature
在航空、 航天、 能源等领域的大型复杂装备制造
收稿日期:: 2022-08-05
作者简介: 程虎跃( 1998- ), 男, 博士研究生, 主要研究方向为机
中, 存在一类3D 打印及铸造复杂构件, 其内部缺陷
器视觉与智能制造、 无损检测与缺陷识别技术
主要采用射线技术进行检测, 并由人工对射线检测
通信作者: 姜洪权( 1978- ), 男, 博士, 副教授, 博士生导师, 主要
研究方向为制造质量及服役质量理论与提升技术、 工业大数据分析 图像进行识别 [ 1 ] 。复杂构件多为关键部件, 故对其
与应用, j h q x j tu@163.com 缺陷检出率有较高的要求, 且要求确定缺陷的类型,
2
1
2023年 第45卷 第2期
无损检测