科研之友
微信
新浪微博
Facebook
分享链接
摘要
钛合金因具有强度高、耐蚀性好、耐热性高等特点被广泛用于航空航天等领域，针对其内部微小缺陷超声相控阵检测过程中存在信噪比低、易漏检等问题，提出一种基于深度学习的微小缺陷超声相控阵检测图像降噪方法。首先通过钛合金试块相控阵检测试验获得缺陷含噪原始图像，采用Mask RCNN模型训练并构建高噪–低噪数据集，进而基于变分自编码器设计微小缺陷检测图像降噪模型，通过与传统滤波降噪、时频域降噪算法对比，证明所提出的算法可保留原始图像缺陷细节信息，与含噪原图对比，其峰值信噪比优化了11.35%，结构相似性提升154.17%。最后开展了某钛合金航空机匣环件超声相控阵检测试验，采用所提方法对环件内部φ0.2 mm平底孔缺陷检测图像进行降噪处理，有效降低了散射噪声对微小缺陷检测的影响，同时也证明所提降噪算法具有良好的泛化性能。
-
单位现代汽车零部件技术湖北省重点实验室; 武汉理工大学
