本項目針對船舶建造管子焊縫圖像的射線檢測自動化識別需求，結(jié)合企業(yè)提供的缺陷檢測數(shù)字化圖像數(shù)據(jù)圖庫，建立圖像預(yù)處理及缺陷區(qū)域提取流程，測試并配置基于深度學(xué)習(xí)的計算模型，開展缺陷識別模型、模型迭代優(yōu)化等技術(shù)研究，突破人工智能射線數(shù)字化檢測圖像深度學(xué)習(xí)管路焊縫及缺陷識別關(guān)鍵技術(shù)，集成射線數(shù)字化檢測圖像自動識別模塊，驗證相關(guān)圖像識別可靠性。并結(jié)合船舶射線數(shù)字化檢測應(yīng)用場景，形成符合現(xiàn)場射線數(shù)字化應(yīng)用場景的射線數(shù)字化檢測圖像自動識別系統(tǒng)軟件。

主要目標(biāo)：

項目主要目標(biāo)包括：完成船舶管子焊縫單圖單道、單圖雙道射線數(shù)字化檢測圖像深度學(xué)習(xí)缺陷識別及分類模型。基于企業(yè)提供的缺陷檢測數(shù)字化圖像數(shù)據(jù)圖庫、射線檢測圖像預(yù)處理技術(shù)、興趣區(qū)域提取技術(shù)、深度學(xué)習(xí)缺陷區(qū)域Mask識別技術(shù)、缺陷類別識別技術(shù)，設(shè)計管子單圖單道焊縫數(shù)字化檢測圖像缺陷識別及分類程序，并完成單圖單道焊縫圖像預(yù)處理、特征提取、缺陷識別的智能識別流程；設(shè)計模型對缺陷區(qū)域識別指標(biāo)、分類準(zhǔn)確度達(dá)標(biāo)；設(shè)計軟件系統(tǒng)，將射線圖像的預(yù)處理、OCR、缺陷檢測模塊整合為一個軟件。

本項目成果如下：

1.      完成船舶管子焊縫射線數(shù)字化檢測圖像預(yù)處理；完成基于生成對抗網(wǎng)絡(luò)的數(shù)據(jù)集增強(qiáng)，實(shí)現(xiàn)在無缺陷的X射線焊縫圖像上通過pix2pix模型生成器神經(jīng)網(wǎng)絡(luò)推理添加焊縫缺陷。

2.      使用圖像增強(qiáng)技術(shù)擴(kuò)充后的數(shù)據(jù)集，完成YOLOv8原模型的訓(xùn)練。通過向算法的Backbone模塊引入CBAM和GAM注意力機(jī)制，向Neck模塊引入C2f-CBAM和Shuffle Attention注意力模塊；向Head模塊添加小目標(biāo)檢測通道，并替換邊框損失函數(shù)，完成對YOLOv8算法的優(yōu)化。使用圖像增強(qiáng)技術(shù)擴(kuò)充后的數(shù)據(jù)集訓(xùn)練與測試得到檢測性能顯著優(yōu)于YOLOv8原算法的優(yōu)化方案。

3.      完成焊縫圖像的預(yù)處理，OCR識別與優(yōu)化模型，并將已完成的圖片預(yù)處理、數(shù)據(jù)集增強(qiáng)、深度學(xué)習(xí)模型，OCR成果與合適的用戶接口集成為一個軟件。