Page 70 - 无损检测2023年第十二期
P. 70

刘春华, 等:

   相控阵超声检测缺陷识别与分类研究进展

       建立标准数据集是缺陷识别与分类中的一个基                          入的干扰, 使得缺陷识别与分类更加可靠。
   础问题。由于缺乏统一的数据采集标准和数据处理                            5.2 精准性和可靠性的提高
   方法, 相控阵超声数据的质量不高, 代表性不足, 从                          随着无损检测技术的不断发展, 识别与分类算
   而影响了工业应用过程中缺陷识别与分类的准确                             法不断迭代优化, 缺陷识别与分类的准确性和可靠
   性。因此, 需要建立标准的数据集, 对数据进行统一                         性将得到进一步提高。未来, 相控阵超声无损检测
   处理和标注。                                            缺陷分类与识别将会更加精准和可靠, 最终实现自
       构建数据库的过程中, 收集的数据质量水平不                         动化的工业应用, 检测报告亦不再依赖于操作人员
   一是缺陷识别与分类中的一个重要问题。由于相控                            的经验。
   阵超声收集到的信号会受到多种因素的干扰, 例如                           5.3 多模态技术的融合
   材料的厚度、 形状、 表面粗糙度等, 回波信号会存在                          相控阵超声检测的缺陷识别与分类除了实现图
   差异。这些差异会导致所收集数据的质量水平不                             像识别外, 还可以结合信号特征和图像特征, 多维多
   一, 进而导致应用过程中分类的准确性下降。因此,                          域地利用收集到的数据, 实现对缺陷的精准识别和
   需要在收集数据库信号时对信号进行预处理, 例如                           分类。还可以和其他无损检测技术相结合, 形成多
                                                     模态的缺陷检测识别与分类技术。比如, 可以将相
   去噪、 滤波、 归一化等, 以提高收集数据的质量。
   4.2 算法的优化和选择                                      控阵超声无损检测技术和 X 射线无损检测相结合,
                                                     形成多模态的缺陷检测技术, 使得缺陷检测更加全
     在具有优质相控阵超声信号数据库的基础上,
   需要进一步对算法进行优化和选择。其中主要面临                            面和准确。
   的挑战就是实际应用过程中噪声信号对回波的干                                  总之, 相控阵超声检测缺陷识别与分类的发展
   扰。声波在物质中传播时会受到多种干扰因素的影                            趋势是在与深度学习技术广泛结合的基础上, 通过
   响, 例如散射、 衰减、 反射等, 使得信号中存在大量的                      多维多域的多模态技术融合, 实现检测过程的自动
   干扰, 从而影响特征提取和分类。因此, 需要对信号                         化和智能化, 最终提高检测结果的精准性和可靠性。
   进行噪声抑制和特征增强的处理, 以提高缺陷分类                           未来, 这些趋势将会推动缺陷识别与分类技术的发
                                                     展, 为相控阵超声无损检测在工业领域的应用提供
   与识别的准确性。
       目前, 虽然 CNN 在相控阵超声缺陷识别与分                       更坚实的技术支撑。

                                                          本文获“ 2023Evident杯相控阵超声检测技术
   类中取得了较好的效果, 但是也存在着一些问题, 例
                                                     优秀论文评选” 活动优胜奖
   如计算量大、 训练时间长和泛化能力有限等。因此,
   需要根据具体实际问题的需求选择合适的算法。                             参考文献:

  5 发展趋势                                              [ 1 ]  郑跃滨, 武湛君, 雷振坤, 等. 基于超声导波的航空航
                                                           天结构损伤诊断成像技术研究进展[ J ] . 航空制造技
     随着技术的不断发展, 相控阵超声检测的缺陷
                                                           术, 2020 , 63 ( 18 ): 24-43.
   识别与分类也在不断向前发展。文章对深度学习技                             [ 2 ]  张碧星, 张萍, 阎守国, 等. 超声成像检测研究进展
   术的应用、 精确性和可靠性的提高和多模态技术融
                                                           [ J ] . 陕西师范大学学报( 自然科学版), 2022 , 50 ( 6 ):
   合等3个未来发展的方向进行展望。
                                                          1-16.
   5.1 深度学习技术的应用                                      [ 3 ]  SAMBATH S , NAGARAJP , SELVAKUMAR N.





     深度学习技术近年来发展迅速, 相控阵超声无                                 Automaticdefectclassificationin ultrasonic NDT




   损检测与之相结合可以自动地学习和提取缺陷特                                  usin g artificial intelli g ence [ J ] . Journal of

   征, 避免人为提取特征过程中引入误差和干扰, 提高                               NondestructiveEvaluation , 2011 , 30 ( 1 ): 20-28.

   识别与分类的准确性。因此, 基于深度学习的相控                            [ 4 ]  CHAKIS , KRAWCZAK P.Non-destructivehealth

                                                           monitorin gofstructuralp ol y mercom p osites : trends
   阵超声检测的缺陷识别与分类方法将成为未来的主
                                                          andp ers p ectivesinthedi g italera [ J ] .Materials ,
   要发展趋势。
                                                          2022 , 15 ( 21 ): 7838.
       未来, 无损检测缺陷分类与识别技术与人工智                          [ 5 ]  孙芳. 超声相控阵技术若干关键问题的研究[ D ] . 天
   能技术相结合, 有望实现自动化和智能化的缺陷识                                 津: 天津大学, 2012.
   别与分类, 降低对检测人员的要求, 避免主观经验引                          [ 6 ]  靳世久, 杨晓霞, 陈世利, 等. 超声相控阵检测技术的
     6
    3
          2023年 第45卷 第12期
          无损检测
   65   66   67   68   69   70   71   72   73   74   75