Page 43 - 2024中国无损检测年度报告
P. 43
界面的完好与否；但是管体表面腐蚀缺陷无法检 软件还提供了一种基于人工智能方法的缺陷
测出来，这是由于腐蚀区域树脂渗露，声波能量 定量校准方法，通过定量校准后，得到的缺陷面
衰减变大，回波信号微弱，难以有效成像。 积更准确，以 20 mm 内部缺陷为例，校准前误
差为 15.21%，校准后误差为 0.59%，校准结果
5 缺陷智能识别软件
如图 9 所示。
在复合材料中，影响产品质量的缺陷类型一
般是指凹陷、跳丝、分层、孔洞等表面 - 内部缺陷，
这些缺陷可能会造成产品在工作环境载荷下发生
变形、开裂、分层等质量安全问题，直接导致产
品实际性能下降甚至报废，但当前的人工评判手
段效率低下、可靠性差，如何快速准确地识别这
图 9 软件的掩膜阈值校准结果
些缺陷已成为提高复合材料无损检测效率的关键。
软件可以智能识别单张图像、视频以及文件
软件内置了图像检测模块和图像分割模块，
夹中的所有图像，以满足更多的应用场景，支持
分别用于表面 ( 视觉 ) 和内部 ( 红外 ) 缺陷的智能
报警、自动保存、缺陷计数、统计缺陷信息等，
判读，支持 YOLOv8 至 v12 的神经网络及其变
解决了人工识别评价效率低下的痛点。
体模型的部署。缺陷智能识别软件由 C++ 编写，
使用 CUDA、CuDNN 和 TenserRT 的 GPU 算 6 获得的知识产权
力加快了推理速度，其中使用 TenserRT 可使
6.1 论文
GPU 推理速度提高 5 倍，并使用 C++ 多线程等 [1] Yang G, Zhou Z, Ma T, et al.
进行了优化，使智能识别软件拥有了极快的推理
Variational mode decomposition based self-
速度，动态可视化条件下的智能识别速度已达到 adaptive denoising imaging method for
毫秒级。软件中，Detect 模式进行表面缺陷识别
ultrasonic array testing of coarse-grained
和框选，Segment 模式进行内部缺陷的轮廓识别 titanium alloys processed by additive
和面积计算，其识别结果如图 8 所示。
manufacturing[J]. Applied Acoustics, 2024,
216: 109756.
[2] Wang J, Zhou Z, Li Y, et al. A high
efficiency adaptive ultrasonic array imaging
method with sensitivity correction for curved
structures[J]. Measurement, 2024, 238:
115322.
[3] 朱甜甜 , 周正干 , 周文彬 , 等 . 曲面构件
阵列超声频域逆时偏移成像方法研究 [J]. 仪器仪
表学报 ,2024,45(06):156-165.
6.2 专利
一种用于整体叶盘的自动超声检测方法、设
备及相关装置 . 申请号：CN202410335008.7，
图 8 软件的表面 - 内部缺陷识别结果 授权号：CN118032932A.
35
