Page 37 - 无损检测2025年第一期
P. 37
齐卜弘，等：
基于贝叶斯优化的 BiLSTM 小管径弯管漏磁缺陷识别
图 14 牵拉试验装置
试件的缺陷信息如表4所示。 真模拟的数据未包含噪声等干扰因素，因此其识别精
两种算法的试验识别结果如表5所示，可知BO- 度高于试验结果精度，但两者并不存在过大差距，表
BiLSTM算法对弯管缺陷的识别效果较好。由于仿 明该模型能较好地应用于小管径弯管漏磁缺陷识别。
表4 弯管试件的缺陷信息 表5 两种算法的弯管缺陷识别试验结果
尺寸 检测内容
缺陷 样本数量
长度/mm 宽度/mm 算法 缺陷 准确识别 误判数量/ 识别时间/s
数量/个 个
15 15
1 # 16 1 # 14 2
20 20
2 # 12 4
5 5
2 # 16 BiLSTM 3 # 15 1 15
10 10
4 # 13 3
10 5
3 # 16 5 # 12 4
20 5 #
1 16 0
10 2 2 # 15 1
4 # 16 BO-
20 2 3 # 14 2 10
BiLSTM
5 10 4 # 14 2
5 # 16
5 20 5 # 15 1
4 结论 的综合准确率达到 96. 07%，比改进前提高了
2. 13%；能满足小管径弯管漏磁缺陷识别的需
（1）漏磁检测时，弯管处是非均匀不饱和的漏
求，并为缺陷量化提供了必要的数据基础和初步
磁场，可能产生畸变的漏磁信号，故需要建立适用于
结论。
小管径弯管的缺陷识别模型。
（2）选取了漏磁信号的峰峰值、峰间距、峰面积、 参考文献：
半高宽以及波形能量的多模态特征量，以此作为模
[1] 宁营超，杨理践，耿浩，等. 管道漏磁内检测矩形缺陷
型输入进行缺陷识别。 解析方法的分析[J]. 无损检测，2022，44（5）：53-59．
（3）建立的贝叶斯优化的 BiLSTM 模型 [2] 马义来，苏小祥，闻亚星. 漏磁内检测缺陷信号的快速
缺陷识别方法，对一般金属损失、坑状金属损 识别方法[J]. 无损检测，2023，45（10）：43-48．
失、轴向凹槽、轴向凹沟和周向凹槽等 5 种缺陷 [3] HOCHREITER S，SCHMIDHUBER J．Long
7
2025 年 第 47 卷 第 1 期
无损检测
