Автоматическое обнаружение дефектов сварных швов с использованием неразрушающего ультразвукового контроля на основе многоветвевой сети глубокого слияния

В данном исследовании представлен алгоритм глубокого обучения, предназначенный для автоматического неразрушающего обнаружения дефектов внутри сварных швов. Для получения сигналов дефектов внутри сварного шва с помощью импульсно-приёмного устройства для A-сканирования регистрировали одномерный (1D) ультразвуковой сигнал в виде осциллограммы. В рамках исследования были сформированы 5 108 обучающих и 500 тестовых наборов данных для пяти меток «годен/не годен». Была разработана модель многоветвевой сети глубокого слияния (MBDFN), в которой независимо обучаются одномерная сверточная нейронная сеть (1D-CNN) для выявления локальных закономерностей в последовательности и двумерная сверточная нейронная сеть (2D-CNN) для извлечения пространственных признаков, после чего их результаты объединяются ансамблевым методом; точность классификации составила 92,2%. Разработанный алгоритм глубокого обучения может применяться в автоматических сварочных роботах и системах контроля сварных соединений, обеспечивая быстрое выявление внутренних дефектов без нарушения целостности готового изделия.