[發明專利]基于多尺度U-Net的直縫埋弧焊管焊縫缺陷超聲檢測方法

有效

• 申請號: 202210433159.7
• 申請日: 2022-04-24
• 公開（公告）號: CN114693670B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 張善文;黃磊;于長青;張剛亮;張谷慶;黎娟;王冉
• 申請（專利權）人: 西京學院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06V10/82;G06V10/80;G06N3/0464;G06N3/0455;G06N3/088
• 代理公司: 西安新思維專利商標事務所有限公司 61114
• 代理人: 李罡

1.一種基于多尺度U-Net的直縫埋弧焊管焊縫缺陷超聲檢測方法，其特征在于：包括以下步驟：

(1)采用譜聚類算法將直縫埋弧焊管焊縫超聲圖像網格化并分配標簽，得到超像素圖像；

(2)計算每個超像素內所有像素點的灰度平均值，再將灰度平均值重新賦值給超像素中每個像素點，得到視覺概要圖；

(3)構建改進的多尺度U-Net模型；

(4)將得到的視覺概要圖作為訓練集訓練改進的多尺度U-Net模型，利用訓練好的多尺度U-Net模型對直縫埋弧焊管焊縫缺陷進行檢測；

步驟(3)中，構建改進的多尺度U-Net，該模型包含5個編碼模塊、4個解碼模塊、1個注意力機制模塊、4個通道，在最后一層加入超像素的中心位置像素的坐標信息，只對中心位置所在的像素進行1×1卷積分類；改進的多尺度U-Net包括編碼模型和解碼模塊、池化、轉置卷積、級聯操作，編碼模塊和解碼模塊用于特征提??；池化用于下采樣，轉置卷積用于上采樣，級聯用于整合編碼模型和對應的解碼模塊的特征；多尺度殘差模塊結構除第一個多尺度殘差模塊外，每經過一個多尺度殘差模塊，特征層的通道數加倍，空間尺寸保持不變，每經過一個2×2最大池化層，特征層的空間尺寸大小減半，通道數保持不變；1×1卷積將特征層通道數最終降為2；通道結構由若干個殘差卷積塊組成，由此減小編碼部分特征層與解碼部分特征層之間存在的語義間隔，且經過通道后的特征層空間尺寸、通道數均保持不變。

2.根據權利要求1所述的基于多尺度U-Net的直縫埋弧焊管焊縫缺陷超聲檢測方法，其特征在于：步驟(1)包括以下步驟：

在焊縫超聲圖像上選取K個初始聚類中心，其中K為原始圖像的像素點個數；然后將聚類中心調節到原聚類中心周圍3×3像素點中的梯度值為最小值的像素點；計算區域像素點與其聚類中心之間的混合距離，根據混合像素距離，在每個聚類中心周圍像素點區域內進行聚類，得到超像素圖像。

3.根據權利要求1所述的基于多尺度U-Net的直縫埋弧焊管焊縫缺陷超聲檢測方法，其特征在于：步驟(3)包括以下步驟：

在U-Net的基礎上構建改進的多尺度U-Net模型，該模型包含5個編碼模塊、4個解碼模塊、1個注意力機制模塊、4個通道，在最后一層加入超像素的中心位置像素的坐標信息，只對中心位置所在的像素進行1×1卷積分類。

4.根據權利要求1所述的基于多尺度U-Net的直縫埋弧焊管焊縫缺陷超聲檢測方法，其特征在于：步驟(4)包括以下步驟：

將得到的視覺概要圖作為訓練集訓練改進的多尺度U-Net模型，基于損失函數梯度，使用隨機梯度下降法對改進的多尺度U-Net的參數進行更新，以降低模型輸出與標簽值間殘差，使模型完成訓練；模型結構參數包含卷積核與池化核的維度、批處理數及神經元失活概率，訓練參數包括模型學習率與訓練次數；由訓練好的多尺度U-Net模型對直縫埋弧焊管焊縫缺陷進行檢測。