基于卷积神经网络的X射线焊缝缺陷检测算法研究

摘要

为了提高焊缝无损缺陷检测的性能,对无损检测方法及基于人工智能的工业视觉检测方法进行了研究,提出了基于卷积神经网络的焊缝缺陷自动检测算法。首先,对焊缝缺陷数据集进行分析,总结出焊缝缺陷数据的分布特征。其次,根据焊缝缺陷尺度差别巨大、宽高比分布范围较大等特征,在特征提取的过程中引入了不同空洞率的空洞卷积,以扩大感受野、提升大尺度缺陷的检测性能。最后,基于空洞卷积和无锚框检测框架设计了缺陷自动检测算法DRepDet。该检测算法可检测的缺陷种类达到7种,而其他大部分算法只能检测到不超过5种缺陷。试验结果表明,扩大感受野可以有效提高大缺陷的检测性能,使用组合空洞率的DRepDet的AP_(50)提升了1.4%、Recall_(50)提升了2.9%,同时几乎不影响小缺陷的检测性能。