仪器仪表学报

作者：刘金海，赵 真，付明芮，左逢源，王 雷

单位：刘金海,1. 东北大学信息科学与工程学院,,赵 真,1. 东北大学信息科学与工程学院,,付明芮,2. 沈阳派得林科技有限责任公司,,左逢源,1. 东北大学信息科学与工程学院,,王 雷,1. 东北大学信息科学与工程学院,

关键词：X射线检测;深度学习;主动小样本学习;价值样本挖掘

基金：国家自然科学基金(U21A20481, 61973071)、辽宁省兴辽英才项目(XLYC2002046)资助

基于X射线探伤的焊缝缺陷检测是维护管道安全的关键环节,实现高精度、高效率的缺陷智能检测是推动无损检测智能化、现代化的重要方面。目前,基于深度学习的缺陷检测方法很难达到较高的精度和效率,因其需要大量标注样本且难以获取。针对这一问题,提出了一种基于主动小样本学习的管道焊缝缺陷检测方法。首先,基于轻量级神经网络提取小样本特征,以数据驱动的方式训练缺陷检测器;然后,推理无标签样本计算检测及分类不确定度并充分挖掘价值样本;最后,根据高价值样本微调网络参数,以最小的成本获得较高的性能提升。实验结果表明,方法能够利用更少的样本,在保证运行效率的前提下,提高约8%的精度。

来源：2022年第11期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2022年第11期