摘要

超声相控阵检测是一种常用的无损检测(NDT)技术,用于工件缺陷检测与评估。为实现现代工业大数据化和自动化,解决缺陷检测过程中产生的超声相控阵图像信息缺失和散斑噪声问题,并实现对各类型缺陷的准确识别,提出了一种基于机器视觉的缺陷识别方法,该方法在利用改进PM微分方程对图像进行去噪处理后,提取图像特征作为粒子群优化的BP神经网络的实验数据。实验结果表明,所提方法的训练集精准率为99.543%,相比传统的BP网络模型提高了1.833%,能够在准确实现缺陷识别的同时,保持模型良好的性能。