基于YOLOv11的相控阵超声TFM图像不锈钢角焊缝缺陷识别方法研究OA
针对相控阵超声TFM图像传统人工判读效率低、主观性强、一致性差等问题,基于YOLOv11目标检测模型,实现对复杂结构角焊缝缺陷的分类与识别。构建包含未熔合、未焊透、裂纹、气孔、夹渣5类典型缺陷的超声数据集,总计3008组样本,分别建立横波-横波(TT)与纵波-纵波(LL)两种成像模式的独立数据集。结果表明,TT模式整体识别率达90.00%,对未熔合、未焊透、裂纹结构型缺陷具有优异的检测性能;LL模式整体识别率为82.67%,易受复杂结构与噪声干扰,检测稳定性较弱。对比试验证实,TT模式的缺陷识别率更高,更适用于承压设备角焊缝的缺陷检测。研究结果可有效提升缺陷识别的精度与效率,对保障承压设备安全和稳定运行具有重要意义。
闫昶;程经纬;王哲;鲁凯超;卜阳光;陈喆
合肥通用机械研究院有限公司,合肥230031合肥通用机械研究院有限公司,合肥230031合肥通用机械研究院有限公司,合肥230031合肥通用机械研究院有限公司,合肥230031合肥通用机械研究院有限公司,合肥230031合肥通用机械研究院有限公司,合肥230031
机械制造
承压设备缺陷识别目标检测深度学习
《压力容器》 2026 (4)
P.63-73,11
国家重点研发计划项目(2023YFC3010500)国家重点攻关项目(2023ZY01001)中国机械工业集团有限公司科研专项(2024011860)合肥通用机械研究院有限公司青年基金项目(2024011176)。
评论