文献类型：期刊文章

作　　者：王靖然[1] 王桂棠[1,2] 杨波[3] 王志刚[3] 符秦沈[1] 杨圳[1]

Wang Jingran;Wang Guitang;Yang Bo;Wang Zhigang;Fu Qinshen;Yang Zhen(School of Electromechanical Engineering,Guangdong University of Technology,Guangzhou 510006,China;Foshan Cangke Intelligent Technology Co.,Ltd.,Foshan,Guangdong 528311,China;Guangzhou Special Pressure Equipment Inspection and Research Institute,Guangzhou 510663,China)

机构地区：[1]广东工业大学机电工程学院,广州510006 [2]佛山沧科智能科技有限公司,广东佛山528311 [3]广州特种承压设备检测研究院,广州510663

出　　处：《机电工程技术》

基　　金：国家自然科学基金项目(编号:61705045);广州市科技计划现代产业技术专题项目(编号:201802010021);佛山广工大研究院创新创业人才团队计划项目。

年　　份：2021

卷　　号：50

期　　号：3

起止页码：65-68

语　　种：中文

收录情况：普通刊

摘　　要：焊缝缺陷的检测在石油化工等领域是极其关键的环节,焊接质量的好坏直接影响到结构的使用性能。对于X射线焊缝图像评定,目前采用的人工评片受到多种主观因素的影响,导致漏检或错检情况相对较高。近年来,随着工业智能检测技术的发展,深度学习在图像特征学习中的独特优势使其在缺陷自动检测中具备重要的实用价值。综述了以神经网络技术为代表的深度学习模型在焊缝缺陷检测方面的研究进展,详细分析了基于卷积神经网络和Faster R-CNN网络的工业设备焊缝缺陷自动检测的理论模型及其优缺点,并对焊缝缺陷自动检测技术的发展进行了展望。

关 键 词：焊缝缺陷 卷积神经网络 Faster R-CNN网络  自动检测  

分 类 号：TG409]