智能超声检测技术PPT1.pdf

《智能超声检测技术PPT1.pdf》由会员分享，可在线阅读，更多相关《智能超声检测技术PPT1.pdf（31页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、智能超声检测技术在工业智能超声检测技术在工业领域的发展与应用领域的发展与应用宋波宋波2019-12-11中国科学院声学研究所中国科学院声学研究所2目录目录1. 工业领域智能检测的需求工业领域智能检测的需求2. 工业超声检测技术的发展工业超声检测技术的发展3. 人工智能技术在工业超声检测中的应用人工智能技术在工业超声检测中的应用31. 工业领域智能检测的需求工业领域智能检测的需求4工业领域智能检测的需求工业领域智能检测的需求“智能制造”是制造业的发展方向，也是中国制造2025/ 工业4.0的主体内容。5工业领域智能检测的需求工业领域智能检测的需求作为工业制造过程的重要组成部分，智能检测技术正与智

2、能制造一起快速发展。6工业领域智能检测的需求工业领域智能检测的需求工业检测领域的主要无损检测技术：超声超声(内部和表面，无污染，使用范围大，实施便捷内部和表面，无污染，使用范围大，实施便捷)射线射线(内部和表面，电离辐射，需要防护，成像质量高内部和表面，电离辐射，需要防护，成像质量高)电磁（表面、近表面）电磁（表面、近表面）渗透（表面）渗透（表面）目视（表面）目视（表面）.7工业领域智能检测的需求工业领域智能检测的需求工业超声检测技术的发展：检测方式检测方式：单通道/多通道相控阵全数据显示方式显示方式：波形显示图像显示3D显示扫查方式扫查方式：手工扫查半自动扫查自动扫查分析方式分析方式：人工判

3、读软件闸门智能判断82. 工业超声检测的技术发展工业超声检测的技术发展9工业超声检测的技术发展工业超声检测的技术发展随着电子电路技术的发展，新的工业超声检测和成像方式不断出现，并在工业领域推广应用。序号技术状况显示方式1单通道A型超声检测A扫描波形信号显示2衍射时差超声检测A扫描、B扫描3工业超声相控阵检测A扫描、B扫描、C扫描、S扫描/D扫描、极坐标显示4超 声 自动检测超声C扫描检测A扫描、B扫描、C扫描自动超声检测（AUT） 带状图、A扫描、B扫描、C扫描5超声全聚焦（TFM）成像S扫描/D扫描、B扫描、C扫描10单通道单通道A型超声检测型超声检测 工业需求工业需求：主要的基础无损检测方

4、式 检测结果显示方式检测结果显示方式：波形信号显示 对检测人员操作和判读技能要求高，检测结果判读准确性很大程度依赖工程经验（操作熟练程度、工程制造知识、数据判读经验等）。 优点：便携式价格低适用于复杂工作环境成为智能检测的有效补充。成为智能检测的有效补充。11衍射时差衍射时差（TOFD）超声检测超声检测 工业需求工业需求：危害型缺陷检测与监测 检测结果显示方式检测结果显示方式：基于尖端衍射信号的B 扫描图像。 结果判读不基于波幅，与缺陷走向无关，能够精确测量缺陷深度和高度，对于裂纹类缺陷延展情况监测精度最高达到0.3mm。 检测效率高。裂纹裂纹衍射波衍射波衍射波衍射波入射波入射波反射波反射波1

5、2工业超声相控阵检测工业超声相控阵检测 工业需求工业需求：适应现场检测条件，更灵活的声束控制。 检测结果显示方式检测结果显示方式：A扫描，B扫描，C扫描，S扫描，极坐标显示。 通过电子的方式控制晶片激励延时，实现更为灵活的声束控制，从而提供丰富的图像显示。13工业超声相控阵检测工业超声相控阵检测3212832128超声相控阵的级联检测超声相控阵的级联检测14全聚焦成像（全聚焦成像（TFM） 全聚焦成像全聚焦成像通过对全矩阵数据进行延时、加权合成等数据处理，通过虚拟聚焦方式重构数据实现声束在介质中的偏转和聚焦。 实时性实时性：基于GPU/FPGA的快速计算多阵元超声检测成像改进多阵元超声检测成像

6、改进全聚焦成像（全聚焦成像（TFM）15超声超声C扫描检测扫描检测 工业需求工业需求：微弱信号特征提取与观测 检测结果显示方式检测结果显示方式：基于位置的连续图像显示，微小信号变化对比度强，显示直观。 全数据存储，通过A、B、C视图显示3D数据体。自动扫查装置自动扫查装置+单通道单通道/多通道多通道/超声相控阵超声相控阵16人工智能技术在工业超声检测中的应用需求人工智能技术在工业超声检测中的应用需求工业超声检测数据判读方式：人工判读软件闸门智能判断 基于人工智能的超声检测结果判断可以对2D图像和3D检测数据进行快速判断，有效提升检测结果判断的实时性和稳定性。 基于深度学习的超声检测图像识别已成

7、为研究热点。173. 人工智能技术在人工智能技术在工业超声检测中的应用研究工业超声检测中的应用研究181943年，心里学家麦卡洛克和数学逻辑学家皮兹提出了MP模型。 在1969年，证明单层感知器无法解决线性不可分问题，对神经网络的研究停滞了将近20年。1986年，深度学习之父杰弗里 辛顿提出反向传播算法（BP），让人工神经网络再次的引起了人们广泛的关注。90年代中期，BP算法会出现“梯度消失”的问题，人工神经网络的发展再次进入了瓶颈期。2006年，杰弗里 辛顿以及他的学生鲁斯兰 萨拉赫丁诺夫正式提出了深度学习的概念。 2016年，AlphaGo以4:1的比分战胜了国际顶尖围棋高手李世石。201

8、7年，AlphaGo升级版AlphaGo Zero以100:0的比分轻而易举打败了之前的AlphaGo。在2017这一年，深度学习的相关算法在医疗、金融、艺术、无人驾驶等多个领域均取得了显著的成果。人工智能的发展过程人工智能的发展过程191 问题提出 火车轮轴超声相控阵自动化检测 采用超声相控阵电子控制方式替代传统的机械运动扫查，有效提升缺陷的检出率； 基于超声相控阵技术进行多角度、大范围的扇形扫查，实现车轴压装部的自动化检测，以图像形式直观显示检测结果，自动判伤和定位成为。人工智能技术在工业超声检测中的应用人工智能技术在工业超声检测中的应用火车轮轴超声相控阵检测图像智能判断火车轮轴超声相控阵

9、检测图像智能判断20基于超声相控阵技术的客车轮轴检测系统，包括：4个超声相控阵探头个超声相控阵探头4个轴端检测探头20个车轮踏面个车轮踏面 检测探头检测探头人工智能技术在工业超声检测中的应用人工智能技术在工业超声检测中的应用火车轮轴超声相控阵检测图像智能判断火车轮轴超声相控阵检测图像智能判断211 问题提出 压装部位检测 在车轴上放置相控阵探头，采用扇形大角度扫查 压装前 反射面平滑，接收到缺陷反射波清晰 压装后 压装界面为粗糙“固-固”接触面，接收到压装界面反射波，易将缺陷反射波淹没，导致相控阵检测成像质量差，信噪比很低人工智能技术在工业超声检测中的应用人工智能技术在工业超声检测中的应用火车

10、轮轴超声相控阵检测图像智能判断火车轮轴超声相控阵检测图像智能判断22人工智能技术在工业超声检测中的应用人工智能技术在工业超声检测中的应用 由于压装波噪声的存在，导致传统的闸门识别技术无法可靠的识别缺陷信号火车轮轴超声相控阵检测图像智能判断火车轮轴超声相控阵检测图像智能判断校准轴校准轴的相控阵超声检测结果的相控阵超声检测结果实际轴实际轴的相控阵超声检测结果的相控阵超声检测结果23人工智能技术在工业超声检测中的应用人工智能技术在工业超声检测中的应用 利用卷积神经网络利用卷积神经网络CNN(Convolutional Neural Network)CNN(Convolutional Neural N

11、etwork)实现轮轴缺陷的自动识别实现轮轴缺陷的自动识别。火车轮轴超声相控阵检测图像智能判断火车轮轴超声相控阵检测图像智能判断通过卷积核模拟生物神经元对不同特定区域产生响应通过卷积核模拟生物神经元对不同特定区域产生响应，卷积核是一卷积核是一个个k kk k的连接权重矩阵的连接权重矩阵，在层与层之间进行特征提取在层与层之间进行特征提取。通过池化操作减少数据处理量同时保留有用的信息通过池化操作减少数据处理量同时保留有用的信息24人工智能技术在工业超声检测中的应用人工智能技术在工业超声检测中的应用 利用利用Faster R-CNN算法进行车轴检测缺陷定位算法进行车轴检测缺陷定位火车轮轴超声相控阵检

12、测图像智能判断火车轮轴超声相控阵检测图像智能判断通过训练好的CNN提取的特征代替传统目标检测算法中使用的基于专家设计的特征：提取候选区域识别该区域的分类结果调整区域的位置输入图像RPN网络显示检测结果选定候选区域显示缺陷的位置判断有无的结果Fast R-CNN网络卷积神经网络特征图ROI Pooling全连接层特征图分类层位置层25人工智能技术在工业超声检测中的应用人工智能技术在工业超声检测中的应用火车轮轴超声相控阵检测图像智能判断火车轮轴超声相控阵检测图像智能判断对检测结果进行预处理对检测结果进行预处理深度学习用于相控阵超声检测结果的识别，需要大量的数据进行训练，数据集越大，包含缺陷种类越多

13、，训练得到的网络越接近真实情况，识别结果越好。但实际车轴检测中，出现缺陷较少。因此，需要对样本进行扩充。从从缺陷的大小缺陷的大小、缺陷的位置缺陷的位置、缺陷的数量缺陷的数量、含噪程度四个方面对检测结果含噪程度四个方面对检测结果样本进行扩充样本进行扩充。预处理步骤：校准轴上得到的缺陷大小一致，尺寸大约为3020，将缺陷大小尺寸最大扩展到6050，最小处理尺寸为55位置随机个数随机将缺陷信号幅值定为100%，当压装界面回波噪声均低于50%，则分类为轻微噪声图像，否则定为有严重噪声图像26人工智能技术在工业超声检测中的应用人工智能技术在工业超声检测中的应用火车轮轴超声相控阵检测图像智能判断火车轮轴超

14、声相控阵检测图像智能判断预处理结果：得到12000张有各种压装界面回波噪声的有缺陷及无缺陷火车轮轴相控阵检测C扫图像27人工智能技术在工业超声检测中的应用人工智能技术在工业超声检测中的应用火车轮轴超声相控阵检测图像智能判断火车轮轴超声相控阵检测图像智能判断每一张图片都有相应的有/无(1/0)缺陷标记对12000张检测图像进行分类：训练集、验证集、测试集训练集和验证集同样用于训练，调整参数不一样测试集用于模型训练完成之后测试模型最终性能28人工智能技术在工业超声检测中的应用人工智能技术在工业超声检测中的应用 基于人工智能的智能识别技术对于缺陷的识别和定位的准确率率达到99%以上。火车轮轴超声相控

15、阵检测图像智能判断火车轮轴超声相控阵检测图像智能判断准确识别和定位误判漏判29人工智能技术在工业超声检测中的应用人工智能技术在工业超声检测中的应用 超声衍射时差（TOFD）技术检测结果与波幅大小无关，通过裂纹尖端衍射回波时间差显示缺陷信息，有效提升危害型缺陷的检测效果； 检测结果以图像显示，不能通过波幅直接判断，在自动化检测中无法应用。 基于500个样本训练后，智能识别技术对于TOFD图像识别准确率率达到80%以上，随着样本的扩充，识别效果将进一步提升。超声衍射时差（超声衍射时差（TOFD）技术的智能识别）技术的智能识别30人工智能技术在工业超声检测中的应用人工智能技术在工业超声检测中的应用一些思考一些思考可靠丰富的数据来源是智能超声检测的基本保证，优化检测工艺、提升探头、仪器和成像性能是关键；需要充分利用已标记的数据进行扩充，在实际检测中慢慢积累超声检测结果缺陷的多样性；可以考虑前期利用仿真数据进行网络训练；超声检测受现场条件影响大，可适当使用深度学习通用的数据处理方式如规范化、正则化、Dropout层以提高网络的泛化能力，减少过拟合；当缺陷用多个成像方法得到的检测图像或者三维成像结果来表征时，可采用多处理流CNN方法、三维CNN方法、多个网络模型结合使用等方法进行超声检测图像识别。31谢谢！谢谢！