Реконструкционно-ориентированная индукционная термография для обнаружения поверхностных дефектов в сварных конструкциях с использованием искусственного интеллекта
Reconstruction-Driven Induction Thermography for AI-Assisted Surface Defect Detection in Welded Structures
2026-07-12
SCID: 54.1/arhxp2jt
Discuss with AI
сегментация DeepLabv3+индукционная термографияреконструкция на основе скоростиобнаружение поверхностных дефектовсварные стальные конструкции
Figures from the paper
Abstract (AI)
Сварка широко применяется для соединения стальных компонентов в системах хранения энергии, ветроэнергетических установках и транспортной инфраструктуре. В процессе эксплуатации поверхностные дефекты сварных соединений стали могут способствовать быстрому распространению трещин и внезапному разрушению. Для решения этой проблемы в настоящем исследовании предложена система индукционной термографии для послесварочного контроля качества сварных стальных конструкций на наличие дефектов, выходящих на поверхность. На первом этапе конструкция магнитопровода для возбуждения была оптимизирована и оценена с помощью численного моделирования и экспериментальной валидации, а ее характеристики сравнены с характеристиками прямой катушки и трехвитковой катушки. Результаты показали, что конфигурация с магнитопроводом обеспечивает достаточную интенсивность нагрева в области сварного шва и одновременно повышает пространственную однородность теплового отклика. Кроме того, был разработан метод реконструкции на основе скорости перемещения для уменьшения влияния движения образца и экранирования катушкой. Благодаря совмещению тепловых откликов от одних и тех же физических участков на последовательных термограммах этот метод восстанавливает непрерывное температурное поле на протяженной области контроля. В результате на реконструированных изображениях сохраняются четкие тепловые признаки, связанные с трещинами, и формируются стабильные исходные данные для автоматизированного анализа. Дополнительно модели DeepLabv3+, DSCA-UNet и feature pyramid network (FPN) были использованы в качестве репрезентативных моделей сегментации для оценки пригодности реконструированных термограмм для автоматизированного выделения дефектов. На использованном лабораторном наборе данных три модели продемонстрировали значения точности 90,4%, 88,6% и 92,6% соответственно. Эти результаты свидетельствуют о перспективности предложенной системы, однако для дальнейшего подтверждения необходима валидация на более крупных наборах данных и на естественных сварочных дефектах.
Key Findings
1
Метод реконструкции на основе скорости компенсировал движение образца и экранирование катушкой, совмещая последовательные термограммы и восстанавливая непрерывное температурное поле.
2
Разработан метод индукционной термографии для послесварочного контроля поверхностных дефектов в стальных конструкциях.
3
Модели DeepLabv3+, DSCA-UNet и FPN достигли точности 90,4%, 88,6% и 92,6% соответственно на лабораторном наборе данных; необходима проверка на более крупных наборах и естественных дефектах сварных швов.
4
Реконструированные термограммы сохраняли выраженные тепловые признаки трещин и обеспечивали стабильные входные данные для автоматической сегментации дефектов.
5
Оптимизированная ярмовая система возбуждения обеспечила достаточную интенсивность нагрева зоны сварного шва и повысила пространственную однородность теплового отклика по сравнению с прямой и трёхвитковой катушками.
Research Object
поверхностно выходящие дефекты в сварных стальных конструкциях
Research Subject
обнаружение методом индукционной термографии и эффективность сегментации на основе реконструкции тепловых признаков, связанных с трещинами
Publication Details
Publication Date
2026-07-12
Journal
Publisher
ISSN
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest