推力室钎焊身部焊缝缺陷的DR数字成像自动检测方法

• 全文链接
• 请求原文

作   者：

任文坚;  王永红;  李春凯;  石玗;  孙忠诚;  刘国增; 

作者机构：

西安航天发动机有限公司;  兰州理工大学; 

关键词：

钎焊缺陷;  深度学习;  无损检测;  X射线数字成像; 

期刊名称：

焊接

i s s n：

1001-1382

年卷期：

2023 年 007 期

页   码：

34-39,53

摘   要：

针对常规胶片照相法评定推力室焊缝缺陷过程中检测效率低、难以实现自动化、智能化等缺点,提出了一种基于X射线数字成像检测技术的缺陷自动检测方法,搭建了DR数字成像检测系统.采用改进型Faster R-CNN网络建立了DR数字图像焊缝缺陷识别模型,对该模型的识别准确性进行了测试并在DR检测系统上进行了模型部署.研究结果表明,所训练的改进型Faster R-CNN模型能够准确识别DR数字图像中 4 种典型钎缝缺陷,且识别准确率可达 93%以上,单张图像缺陷识别时间不超过 2s.使用改进型Faster R-CNN网络模型对液体火箭发动机推力室钎焊接头DR数字成像检测图像进行计算机智能评定,试验证明模型部署于DR检测系统可实现缺陷的智能在线检测.