基于增强型YOLO网络的射线探伤钢管焊缝缺陷实时检测模型

摘要

由于生产工艺条件的限制,钢管焊缝表面缺陷具有多样复杂的特征,不同产线生产的焊管焊缝缺陷往往具有不同的特征.因此,焊管表面缺陷检测算法应具有良好的泛化性能.本文针对钢管焊缝缺陷的检测,建立了16种类型的钢管焊缝缺陷数据集,并对数据集进行了扩充,以减少过拟合.文中改进了(YOLO-v5)网络由29个卷积层组成,为钢管焊缝缺陷检测提供了端到端的解决方案.利用该网络对16种类型的缺陷进行了评估,达到了97.55％的准确率和95.86％的召回率.此外,我们的网络以67FPS的速度实现了99％的检出率,为钢管焊缝射线探伤系统的缺陷实时检测提供了方法论支持.同时,该模型还可以预测缺陷区域的位置、尺寸和缺陷类型等信息,对评价整条焊管产线的质量具有重要意义.