Алгоритм обнаружения дефектов при магнитопорошковом контроле авиационных ферромагнитных деталей на основе усовершенствованной сети DeepLabv3+

Неразрушающий контроль (НК) магнитных материалов, таких как авиационные детали, является неотъемлемой частью технического обслуживания гражданской авиации. Для контроля таких металлических материалов часто применяется технология магнитопорошкового контроля (МПК). В данной статье предлагается усовершенствованный алгоритм семантической сегментации DeepLabv3+ для автоматического обнаружения дефектов авиационных ферромагнитных деталей после проведения МПК. В структуре сети в качестве магистральной сети извлечения признаков используется облегчённая MobileNetV2. Для усиления извлечения признаков применяется структура плотного пространственного пирамидального объединения с атриous-свёртками (DenseASPP). В эксперименте сравнивается влияние трёх различных структур DenseASPP на эффективность распознавания. Одновременно дополнительно оптимизируется декодер. Экспериментальные результаты показывают, что сетевая модель Ours-DeepLabv3+ может эффективно выполнять автоматическое обнаружение дефектов авиационных ферромагнитных деталей после МПК. Точность (Precision), полнота (Recall), F1-мера и пересечение над объединением составляют 81,64%, 83,12%, 82,37% и 71,23% соответственно, что на 7,48%, 5,45%, 6,50% и 10,1% выше показателей исходной сети DeepLabv3+, при этом сегментация деталей дефектов выполняется точнее. По сравнению с другими алгоритмами семантической сегментации данный метод позволяет эффективно повысить точность обнаружения дефектов авиационных ферромагнитных деталей и удовлетворяет требованиям к обнаружению дефектов.