Автоматическая классификация многоклассовых дефектов сварных соединений с использованием аугментации рентгеновских изображений и сверточной нейронной сети

Обнаружение дефектов сварных соединений с помощью рентгеновского контроля является важной задачей в промышленности. Для ее решения требуются квалифицированные специалисты, способные своевременно проводить контроль, что связано с высокими затратами и значительной трудоемкостью. Кроме того, процесс может сопровождаться ошибками вследствие усталости и снижения концентрации внимания. В связи с этим в настоящем исследовании предлагается автоматизированный подход к выявлению многоклассовых дефектов сварных соединений путем обработки рентгеновских изображений. Подход реализован посредством интеллектуального объединения методов аугментации данных и сверточной нейронной сети (CNN). Предлагаемая аугментация данных в основном включает случайный поворот, сдвиг, масштабирование, изменение яркости и горизонтальное отражение целевых изображений. Такая аугментация способствует созданию обобщенной обученной модели CNN, способной обрабатывать многоклассовый набор данных для выявления дефектов сварных соединений. Эффективность предложенного метода подтверждена испытаниями на промышленном наборе данных. Набор содержит 4479 рентгеновских изображений, относящихся к шести группам: полости, трещины, шлаковые включения, непровар, дефекты формы и нормальные сварные соединения. Разработанный метод достиг средней точности 92%. Это свидетельствует о перспективности подхода и возможности его применения в современных системах автоматизированного обнаружения и классификации дефектов сварных соединений.