Применение машинного обучения для радиографического контроля сварных соединений в аэрокосмической отрасли

Deploying Machine Learning for Radiography of Aerospace Welds
Iikka Virkkunen, Anders Rosell, Topias Tyystjärvi, Peter Fridolf
2024-01-28

автоматическое распознавание дефектовпромышленная радиографиялазерные сварные швывероятность обнаружениясегментация сварных швов
Искусственный интеллект открывает новые возможности для анализа в области промышленной радиографии. По мере развития соответствующих технологий возникает необходимость понимать, как внедрять их на практике и использовать преимущества автоматически генерируемой информации. В настоящем исследовании автоматическое распознавание дефектов на основе машинного обучения было внедрено для поддержки промышленного радиографического контроля лазерных сварных соединений в аэрокосмическом компоненте и использовано для получения статистических данных с целью повышения качества контроля. Мультимодельный подход с дополнительным этапом сегментации сварного соединения позволил повысить скорость инференса и сократить число ложных срабатываний, что улучшило возможности применения в производственных условиях. Для отображения результатов оценки был разработан пользовательский интерфейс с функциями визуализации. Набор данных из 451 радиографического снимка был автоматически проанализирован; в результате выявлено 10 037 индикаций с информацией об их размере и расположении, что обеспечило возможность статистического анализа, проведение которого вручную с разметкой изображений было бы непрактичным. Распределение индикаций моделировалось как произведение вероятности обнаружения и исходного распределения несплошностей, экспоненциально убывающего с размером, что открывает возможности для оценки надежности модели и разработки прогностических методов выявления дефектов сварных соединений. Анализ индикаций продемонстрировал способность автоматически выявлять как крупномасштабные тенденции, так и отдельные компоненты и сварные соединения, для которых существовал повышенный риск несоответствия требованиям контроля. Данная работа является шагом к более эффективному использованию данных неразрушающего контроля в производстве.
1
Мультимодельный подход с сегментацией сварных швов повысил скорость вывода и снизил число ложных срабатываний, улучшив пригодность метода для полевого применения.
2
Был разработан интерфейс визуализации; автоматический анализ 451 радиограммы выявил 10 037 индикаций с информацией о размере и расположении дефектов.
3
Автоматический анализ индикаций выявил как крупномасштабные тенденции дефектности, так и отдельные компоненты или сварные швы с повышенным риском непрохождения инспекции.
4
Автоматическое распознавание дефектов на основе машинного обучения было внедрено для поддержки промышленной радиографии лазерных сварных швов в аэрокосмическом компоненте.
5
Моделирование распределения индикаций как произведения вероятности обнаружения и экспоненциально убывающего распределения скрытых дефектов открывает возможности оценки надежности и прогнозирования дефектов сварных швов.

лазерные сварные швы в аэрокосмическом компоненте, исследуемые методом промышленной радиографии

автоматическое распознавание дефектов на основе машинного обучения и статистический анализ индикаций сварных швов для контроля качества, оценки надёжности и выявления риска отказа

Publication Details
Publication Date
2024-01-28
Journal
Publisher
ISSN
Cited by
22
Access Type
Author Information
Authors
Iikka Virkkunen
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%