机械工程学报

作者：姜洪权, 张毛杰, 程虎跃, 高建民, 姚欢, 高富超, 郭晓峰, 贺吉程

单位：1. 西安交通大学机械制造系统工程国家重点实验室 西安 710049;2. 中国石油集团工程材料研究院有限公司 西安 710077;3. 国家管网集团西部管道有限责任公司 乌鲁木齐 830013

关键词：焊缝缺陷,射线图像,缺陷探测,AI模型,无损检测；

基金：国家自然科学基金(52375513)、国家重点研发计划(2021YFF0602300)和国家天然气管网集团有限公司研究(20230382)资助项目。

当前焊缝缺陷检测的方法本质上属于基于单张图像的“行业数据集+AI模型”范式，缺乏对无损检测领域知识的集成，对于大量对比度低、目标不显著的缺陷容易造成漏检、误检。针对这一问题，提出了一种融合无损检测领域动态评片知识的焊缝缺陷目标探测技术，即“行业数据集+AI模型+领域知识”的新范式。首先，基于人工探查缺陷“动态”过程知识，提出了一种基于对数变换的多图分解方法，实现单张图像“静态”分析向多张图像“动态”分析转变；其次，通过设计通道注意力机制模块，实现了多图特征的浅层融合；最后，以YOLOX为基础网络，并结合双向特征金字塔网络(Bidirectional feature pyramid network,BiFPN)，实现了多图特征的深度融合和缺陷目标探测。利用某企业管道环焊缝数据进行验证，结果表明所提方法的缺陷探测mAP达到了96.72%，相比于YOLOX提升了6.68%，尤其对未熔合和未焊透的探测能力有显著提升，提升了AI技术在无损检测领域的应用能力。

来源：2025年第6期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2025年第6期