仪器仪表学报

作者：魏新园，周京欢，张 楠，李 丹，顾浩然

单位：魏新园,1. 安徽工业大学电气与信息工程学院， 2. 安徽省智能破拆装备工程实验室,,周京欢,1. 安徽工业大学电气与信息工程学院,,张 楠,1. 安徽工业大学电气与信息工程学院,,李 丹,1. 安徽工业大学电气与信息工程学院,,顾浩然,1. 安徽工业大学电气与信息工程学院,

关键词：深度迁移学习;超声探伤;缺陷识别

基金：安徽省重点研究与开发计划(2022f04020005)、安徽省高等学校科研研究重点(2022AH050313)、安徽省智能破拆装备工程实验室开放基金(APELIDE2023A008)项目资助

数据驱动的超声缺陷识别在航空航天和工业制造等领域中应用广泛,但大量实验数据难于获取。软件仿真数据虽易于获取,但与实验数据存在差异,直接应用效果并不理想。对此,提出基于深度迁移学习的超声缺陷识别方法研究。首先同时对试件中的不同形状、尺寸和深度的缺陷进行超声检测实验和超声检测仿真,得到实验数据和仿真数据。进而基于仿真数据建立超声缺陷识别深度学习模型,然后基于少量实验数据利用深度迁移学习方法对所建模型进行迁移学习,从而建立能够对实验数据实现准确缺陷识别的模型,最后对所建模型的预测效果进行实验验证。结果表明,基于仿真数据建立的超声损伤识别模型经过迁移后,缺陷识别准确率和精确率大幅提升,均达到0.956。

来源：2024年第12期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2024年第12期