基于深度学习的X射线管道焊缝气孔缺陷检测技术研究.pdf

摘要

摘要

管道的安全性能与其焊缝质量密切相关，从家用燃气管道到战略能源管道，

焊接缺陷可能会引发管道爆炸，造成严重经济损失甚至人员伤亡。因此，必须对

焊缝缺陷进行严格的检查。X射线检测具有准确、直观、无损等特性，是目前应

用最为广泛的焊缝无损检测方法之一。

但X射线检测结果目前主要依赖于人工评片，人工评片具有操作繁琐、工作

强度大、检测结果不一致等缺点。而现有的缺陷自动化检测算法则普遍存在精度

低、速度慢等问题，且大量阈值参数依赖于手工选取，智能化程度相对较低。针

对上述问题，为提高焊接缺陷检测质量与自动化水平，提出了基于深度学习的X

射线焊接缺陷检测算法，主要工作如下：

（1）提出了一种基于LSTM网络的焊缝区域定位方法，根据焊缝成像特点，构

造Intensive曲线将二维问题降维成一维序列问题，通过LSTM网络从序列中学习

焊缝边界特征，实现焊缝区域定位，进而将检测范围大幅缩小，提升了233%的计

算速度。

（2）提出了一种基于YOLO改进的缺陷目标检测算法，基于残差学习策略重

新设计了前级特征提取网络以保证实时检测速度；优化了用于引导网络参数训练

的损失函数，降低了计算复杂度并提升了缺陷检测精度。

（3）设计并实现了焊缝缺陷自动化检测原型系统，使工作人员可以通过客户

端图形界面，借助服务器的强大算力，通过云计算快速获得焊接缺陷检测结果并

可视化显示，提高了X射线像片的评估效率。

为验证检测效果，构建了一个包含1200张X射线检测图片的实验数据集，经

实验，本文提出的算法缺陷召回率为99.3%，单张图像平均检测时间为32毫秒，

能够满足精度和效率的检测要求。

关键词：X射线，缺陷检测，LSTM网络，YOLO网络

I

ABSTRACT

ABSTRACT

Thesafetyperformanceofpipelineiscloselyrelatedtoitsweldquality.Fromdomes-

ticgaspipelinetostrategicenergypipeline,somewelddefectsmayleadtopipelineex-

plosion,causingseriouseconomiclossesandevencasualties.Therefore,thewelddefects

mustbestrictlyinspected.X-raytestingisoneofthemostwidelyusedweldnondestruc-

tivetestingmethodsbecauseofitsaccurate,intuitiveandnondestructivecharacteristics.

However,X-raytestingresultsmainlyrelyonmanualfilmevaluation.Manualfilm

evaluationhasthedisadvantagesofcumbersomeoperation,highworkintensity,incon-

sistenttestingresultsandsoon.However,theexistingautomaticdefectdetectionalgo-

rithmsgenerallyhaveproblemssuchaslowprecisionandslowspeed,andalargenumber

ofthresholdparametersdependonmanualselection,sothedegreeofintelligenceisrela-

tivelylow.Tosolvetheaboveproblems,inordertoimprovethequalityandautomation

levelofweldingporositydefectdetection,anX-rayweldingporositydefe