基于深度学习的PBX裂纹像素级识别方法

作者：吕亮亮; 张伟斌; 李公平; 潘小东; 张才鑫; 杨亚飞; 张催^*

来源：含能材料, 2023, 1-10.

• 高聚物粘结炸药(PBX)
• CT图像
• 深度学习
• 像素级裂纹识别

高聚物粘结炸药(Polymer Bonded Explosive,PBX)内部裂纹对其性能及可靠性具有明显影响,裂纹的精确识别是PBX内部质量检测的关键。针对PBX内部裂纹识别,基于U-Net和SegNet两种像素级图像识别网络,建立了5种深度学习网络,对比研究了网络连接方式和预训练模型对裂纹识别的影响。基于CT获取的PBX裂纹图建立了数据集,对5种网络进行了训练,采用准确率(A)、F1值(F1)和平均交并比(MIoU)指标对网络进行了评估,在此基础上选择细节识别性能最优的网络用于PBX裂纹的识别和量化分析。结果表明,针对裂纹像素级识别,U-Net型网络优于Seg-Net型网络,网络中Concatenate操作比Pooling Indices操作保留更多图像细节信息,采用预训练模型MobileNet和ResNet可以提高网络训练速度,但导致其裂纹像素级识别性能降低。利用建立的识别方法开展PBX裂纹识别研究,实现了对PBX裂纹的像素级识别,裂纹检出率0.9570,单像素识别准确率为0.9936,MIoU为0.9873,相对裂纹面积为0.7585。

• 单位
  中国工程物理研究院化工材料研究所; 兰州大学