超小低对比焊缝缺陷的检测方法技术

本发明专利技术涉及一种超小低对比焊缝缺陷的检测方法，包括以下步骤，形成超小低对比缺陷图像数据集并划分出训练集、验证集和测试集；然后对标准的YOLO_v5神经网络进行改进，得到改进的YOLO_UMS神经网络，将训练集和验证集中的X射线底片图像输入进行训练，得到超小低对比焊缝缺陷检测模型；将测试集中的X射线底片图像输入超小低对比焊缝缺陷检测模型中进行焊缝缺陷检测。本发明专利技术在YOLO_v5神经网络的主干网络Backbone的3、6和9层上均增加一个坐标压缩感知注意力层WACA来增加检测模型捕捉特征的能力，将YOLO_v5神经网络中所有的Conv_HS中的Leaky ReLU激活函数替换为Hard Swish激活函数，提高了YOLO_v5神经网络对超小和低对比目标的识别，从而可以对X射线底片图像中的超小低对比焊缝缺陷进行准确地检测。

【技术实现步骤摘要】

本专利技术涉及一种超小低对比焊缝缺陷的检测方法，属于射线成像和无损检测。

技术介绍

1、由于焊接构件的焊接工艺和生产环境等因素，焊接构件容易出现焊缝缺陷等问题。现有技术中采用无损检测中的x射线结合深度学习检测算法来对焊接构件的焊缝进行检测分析，先通过x射线检测形成x射线底片图像，然后将x射线底片图像输入训练好的yolov5神经网络模型中进行缺陷检测。由于yolov5神经网络模型的网络结构中包含了多个下采样层，这些层会使得特征图的分辨率减小，从而导致小目标的信息丢失；同时yolov5神经网络模型在检测目标时，会把图像分成多个网格，而对于密集目标，多个目标可能会落在同一个网格中，从而导致目标的漏检和误检。因此，现有技术中的yolov5神经网络模型并不能很准确地对某些在整幅x射线底片图像中大小占比处于0.001％～0.11％之间且与周围区域灰度值偏差在10-30之间的超小低对比缺陷进行检测，漏检和误检的概率很大。

技术实现思路

1、本专利技术要解决的技术问题是：如何对焊缝在x射线底片图像中显现的超小低对比缺陷进行准本文档来自技高网...

【技术保护点】

1.一种超小低对比焊缝缺陷的检测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的超小低对比焊缝缺陷的检测方法，其特征在于：所述步骤2.1中的所述坐标压缩感知注意力层WACA的捕捉特征的具体步骤如下：

3.根据权利要求1所述的超小低对比焊缝缺陷的检测方法，其特征在于：所述步骤2.1中的所述WACA分为两层，其中一层的结构是高通道平均池化H Avg Pool、高通道第一全连接HFullyconnected 1、高通道第二全连接H Fullyconnected 2、高通道非线性转化HNonlinear、高通道第三全连接H Fullyconnected 3和高通...

【技术特征摘要】

1.一种超小低对比焊缝缺陷的检测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的超小低对比焊缝缺陷的检测方法，其特征在于：所述步骤2.1中的所述坐标压缩感知注意力层waca的捕捉特征的具体步骤如下：

3.根据权利要求1所述的超小低对比焊缝缺陷的检测方法，其特征在于：所述步骤2.1中的所述waca分为两层，其中一层的结构是高通道平均池化h avg pool、高通道第一全连接hfullyconnected 1、高通道第二全连接h fullyconnected 2、高通道非线性转化hnonlinear、高通道第三全连接h fullyconnected 3和高通道h sigmod激活函数；另一层的结构是宽通道平均池化wavg poo...

【专利技术属性】
技术研发人员：王茂振，毛长钧，郑昌云，张少勇，程向梅，任益博，张梦云，潘梁，戴明露，
申请(专利权)人：航天晨光股份有限公司，
类型：发明
国别省市：