基于多域多尺度深度特征自适应融合的焊缝缺陷检测研究

作者：张睿; 高美蓉; 傅留虎; 张鹏云; 白晓露; 赵娜

来源：振动与冲击, 2023, 42(17): 294-313.

DOI：10.13465/j.cnki.jvs.2023.17.036

• 焊缝缺陷
• 超声检测
• 多域多尺度特征融合
• 卷积神经网络(CNN)模型优化策略
• 模型自优化

针对焊缝缺陷检测信号信息丰富度低、深度网络架构人工依赖性强等问题，开展基于多域多尺度深度特征自适应融合的焊缝缺陷检测研究。构建时域数据集并衍生至实数域与复数域中，丰富检测信号的特征表达；设计多域信息融合模型，充分融合特征域信息；提出面向卷积神经网络多维超参数自寻优的模型优化策略，提高模型的效率和性能。试验表明，所提方法对五类焊缝缺陷识别准确率为96.54%,能够在提升识别准确率同时保持较少的参数量和计算消耗，具有较强的实用性和泛化性。

• 单位
  太原科技大学; 山西省机电设计研究院