CNN缺陷深度评价

微缺陷深度高精度评估

专为表面微缺陷设计的轻量级CNN模型，结合连续小波变换时频图，实现对微小缺陷深度的精确评估，优于传统激光超声检测方法。

Qinnan, Fei · Cao, Jiancheng · Xu, Wanli · Linzhao, Jiang · 张俊 · Ding, Hui · 李小红 · 晏井利

Applied Sciences (Switzerland) 2023

技术优势

自动提取深度特征

无需人工设计特征，CNN直接从小波时频图中学习与缺陷深度相关的表征，减少了对专家经验的依赖。

训练效率高

先利用CWT获得时频图并划定感兴趣区域，再进行CNN训练，提高了训练效率。

模型针对性强

CNN架构与超参数根据超声信号特征和数据集大小进行定向设计与优化，而非采用通用模型。

应用场景

• 无损检测：无需破坏试样即可实现微小缺陷深度评价，替代传统人工缺陷识别。
• 表面缺陷检测：针对表面或近表面微小缺陷，提供比传统激光超声更精确的深度评估。
• 精密制造质量控制：在精密制造中快速自动评价缺陷深度，提高质量控制效率。
• 工业自动化检测：可集成到自动化检测线中，实现缺陷深度的在线自动识别与评价。