超声波接质量检查涉及强度预测和缺陷检测在数据受限的训练环境中
Reenu Mohandas1,2, Patrick Mongan2,3, Martin Hayes1,2
1Department of Electronic and Computer Engineering, University of Limerick, V94 T9PX Limerick, Ireland.
Sensors (Basel, Switzerland)
|October 26, 2024
概括
本研究引入了一种使用RGB图像和深度学习进行接质量评估的新方法. 它成功地预测了膝盖剪切强度,并检测了视觉接缺陷,即使数据有限.
科学领域:
- 制造业 工程 制造工程
- 材料科学 材料科学 材料科学
- 计算机视觉 计算机视觉
背景情况:
- 接缺陷可能导致产品故障,需要强大的质量评估方法.
- 目前用于接缺陷的非破坏性测试 (NDT) 通常依赖于昂贵的设备,如X射线成像.
- 需要使用随时可用的RGB摄像头开发具有成本效益的NDT解决方案,尽管公共数据集有限.
研究的目的:
- 利用RGB图像和深度学习开发一个全面的接质量评估系统.
- 为了从有限的数据集中能够准确地预测轮剪强度 (LSS) 和视觉检测接缺陷.
- 创建一个成本效益高的替代传统的NDT方法用于接检查.
主要方法:
- 使用卷积自编码器 (CAE) 来从RGB图像中提取特征.
- 通过将图像特征与接输入参数设置融合而创建了一个多式联网数据集.
- 用数据增强技术生成超声波接缺陷数据集用于培训.
- 开发了 Lap 剪切强度预测和视觉接缺陷检测模型.
主要成果:
- 与仅使用参数相比,图像特征和输入参数的融合使LSS预测错误减少了34%.
- 视觉接缺陷检测在有限的数据集上实现了74%的准确性.
- 综合方法提供了完整的接质量检查,提高了可靠性.
结论:
- 这项研究表明,在极其有限的数据集上,使用RGB图像和深度学习进行完整的接质量评估的可行性.
- 开发的多式联运方法显著提高了LSS预测准确度.
- 该系统为非破坏性接检查提供了一个有希望的,具有成本效益的解决方案,防止过早的关节故障.
