Автоматическое обнаружение дефектов при цифровой радиографии аэрокосмических сварных соединений с использованием глубокого обучения

Automated defect detection in digital radiography of aerospace welds using deep learning
Iikka Virkkunen, Zuheir Barsoum, Anders Rosell, Topias Tyystjärvi, Peter Fridolf
2022-02-24

аэрокосмические сварные соединенияглубокое обучениецифровая радиографиясемантическая сегментацияаугментация виртуальными дефектами
В процессе производства аэрокосмические сварные соединения подвергаются неразрушающему контролю (НК) для выявления дефектных деталей, которые могут представлять угрозу для прочности конструкции; часто для этого используется цифровая радиография. Анализ цифровых радиографических изображений является трудоемким и дорогостоящим. До настоящего времени попытки автоматизировать этот анализ с помощью традиционных методов компьютерного зрения или неглубокого машинного обучения не обеспечивали эффективности, сопоставимой с работой инспекторов, из-за высоких требований к надежности и низкого отношения контраста дефектов к шуму. Современные подходы, основанные на глубоком обучении, существенно продвинулись в направлении надежного автоматизированного анализа. Однако ограниченный объем наборов данных делает существующие решения машинного обучения недостаточными для промышленного применения. Кроме того, для принятия технологии в промышленности необходимо продемонстрировать ее эффективность с использованием стандартных метрик неразрушающего контроля, таких как вероятность обнаружения (POD), которые в предыдущих исследованиях применялись редко. В настоящем исследовании для преодоления нехватки данных использовалось дополнение данных виртуальными дефектами, которое сравнивалось с традиционным дополнением данных. Для выявления дефектов на данных компьютерной радиографии аэрокосмических сварных соединений была обучена сеть семантической сегментации. Для сравнения применялись стандартные метрики оценки, используемые в неразрушающем контроле. Впоследствии сеть была развернута в качестве вспомогательного инструмента инспектора в реалистичной рабочей среде для прогнозирования дефектов на производственных радиограммах. Сеть продемонстрировала высокую надежность обнаружения и точность определения размеров дефектов, а также приемлемую частоту ложных срабатываний. Было установлено, что дополнение данных виртуальными дефектами существенно повышает эффективность, особенно при небольших объемах наборов данных и для недостаточно представленных типов дефектов, даже при больших объемах данных. Развернутый прототип оказался простым в использовании, что свидетельствует о его готовности к внедрению в промышленность.
1
Прототип, развернутый для анализа производственных радиограмм, оказался простым в использовании, что указывает на готовность к применению как инструмент поддержки инспектора.
2
Для обнаружения и определения размеров дефектов на компьютерных радиограммах аэрокосмических сварных соединений была обучена сеть семантической сегментации.
3
Система глубокого обучения достигла высокой надежности обнаружения, точного определения размеров дефектов и приемлемой частоты ложных срабатываний.
4
Эффективность оценивалась с использованием стандартных метрик неразрушающего контроля, включая вероятность обнаружения, что повышает промышленную применимость метода.
5
Аугментация данных виртуальными дефектами значительно повысила эффективность обнаружения, особенно при ограниченных наборах данных и для недопредставленных типов дефектов.

цифровые радиографические изображения аэрокосмических сварных соединений, содержащих производственные дефекты

автоматическое обнаружение дефектов на основе глубокого обучения, сегментация, точность определения размеров, надёжность обнаружения и частота ложных срабатываний, включая влияние аугментации с виртуальными дефектами

Publication Details
Publication Date
2022-02-24
Journal
Publisher
ISSN
Cited by
84
Access Type
Author Information
Authors
Iikka Virkkunen
Zuheir Barsoum
Anders Rosell
Topias Tyystjärvi
Peter Fridolf
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%