基于深度学习的特种设备裂纹超声检测技术研究

© 2025 by the Author(s). Licensee Art and Design, USA. This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution -Noncommercial 4.0 International License (CC BY-NC 4.0) ( https://creativecommons.org/licenses/by-nc/4.0/ )

Download PDF

Cite

XML

HTML

Abstract

随着工业自动化和智能化的发展，特种设备的安全运行愈发受到重视。裂纹作为特种设备常见且危害严重的缺陷类型，其早期准确检测对保障设备安全具有重要意义。传统超声检测方法在裂纹识别中面临信号噪声大、人工经验依赖强等问题。近年来，深度学习技术凭借其强大的特征自动提取和模式识别能力，成为提升超声检测准确性和效率的重要手段。本文系统研究了基于深度学习的特种设备裂纹超声检测技术，重点探讨了数据预处理、模型设计、裂纹识别与定位等关键技术环节，并通过实验验证了该方法在裂纹检测中的优越性能。研究结果表明，深度学习显著提升了裂纹检测的准确率和鲁棒性，为特种设备无损检测技术的发展提供了新的思路和技术支持。

Keywords

深度学习

特种设备

裂纹检测

超声检测

无损检测

信号处理

References

[1] 方昊昱, 向林浩, 尹康迪，等. 基于目标检测技术的主船体结构外部裂纹检测方法[J].船海工程,2024,53(2):45-49.
[2] 王斌, 赵义鹏, 孟豪, 等. 基于改进YOLOv5的金属构件表面裂纹检测[J].信息技术与信息化,2023(11):90-94.

Previous article in this issue

Next article in this issue