1、第 卷 第 期 年 月西安科技大学学报 .姜军强，张旭辉，徐奎奎，等 基于 的 高温合金组织缺陷检测 西安科技大学学报，（）：，（）：收稿日期：基金项目：国家自然科学基金项目（）；国家绿色制造系统集成项目（工信部节函 号）；河北省重点研发计划项目（）第一作者：姜军强，男，河北邯郸人，博士研究生，：通信作者：张旭辉，男，陕西凤翔人，教授，博士生导师，：基于 的 高温合金组织缺陷检测姜军强，张旭辉，徐奎奎，董 明，马宏伟（西安科技大学 机械工程学院，陕西 西安；河北经贸大学 信息技术学院，河北 石家庄）摘 要：针对传统分割算法对于金属组织缺陷分割不连续，易被伪缺陷干扰的问题，提出一种结合迁移学习和
2、通道注意力的 网络结构，实现 高温合金组织缺陷图像分割与检测。首先，使用迁移学习将在 预训练好的参数迁移到 网络中，然后引用 网络思想将每一个有效特征层提取的图像信息都密集连接到下一个有效特征层中，并结合通道注意力模块组成加强跳跃连接模块，使 获得更准确的分割结果；最后，采用混合损失函数替代单一损失函数解决 高温合金缺陷数据集正负样本不均衡的问题。与现行优秀算法、缺陷分割效果对比发现 相较其他方法最佳指标值组合依然有 ，的提升。结果表明：采用改进 分割缺陷的 个指标数据，分别为 ，相较于原始 网络 个指标分别提升了.，。关键词：缺陷分割；通道注意力模块；迁移学习；加强跳跃连接模块；损失函数中图
3、分类号：文献标志码：文章编号：（）：开放科学（资源服务）标识码（）：，（，；，）：，：；引 言镍基高温合金 是一种典型沉淀硬化合金，力学性能类似 。因其在高温下具有良好的强度、韧性和耐腐蚀性，广泛用于制作航空工业和核电设备零部件。一般来说，航空类关键零部件通过锻造工艺制备。锻造过程复杂，坯料温度不当、模具设计和结构不正确或工艺参数不合适等原因会在锻件内部遗留组织缺陷，造成应力集中影响零部件功能和质量。因此，金属内部组织缺陷检测成为众多学者的研究热点之一。为研究金属内部组织缺陷分布规律和成因，研究人员需要长时间在扫描电镜下观察缺陷的分布和形貌，这不仅浪费了大量的时间和精力，而且很容易由于视觉疲劳
4、出现错检和漏检情况。因此，开发缺陷自动分割系统，可以帮助研究人员精准的定位缺陷位置，并且将缺陷从背景及伪缺陷中分割出来，提高研究效率。传统的机器视觉检测方法主要是通过手工设计提取特征网络，然后使用分类算法进行分类，如卢印举等构造了高斯混合的玻璃缺陷分割模型，应用灰度共生矩阵提取玻璃表面纹理特征，构建纹理和灰度的双特征，完成玻璃表面缺陷分割。随着计算机算力的提高，深度学习技术得到了迅速的发展，卷积神经网络（，）被证明在特征提取方面有着非常强大的能力，近些年不断的被应用到不同领域的缺陷检测及分割任务中。等针对金属焊接缺陷图像的特性，提出了一种混合注意力机制的三重 缺陷分割网络，通过层间互补特性提高
5、缺陷识别性能，有效地检测出不同缺陷形态，成功地提高了金属表面缺陷图像分割精度。，等基于 架构，提出一种 新型语义分割网络，通过在原始 跳跃连接之间添加一个名为特征重用和注意机制的新模块，针对缺陷图像进行测试，成功地分割了下水管道表面缺陷。李鑫灿基于 网络架构，深入分析了 网络存在的问题，通过过度特征与密集连接改进了 模型得到 用于钢材表面缺陷精细分割。相比较于深度学习方法，传统的分割算法鲁棒性较差，容易被图像中的噪声和伪缺陷干扰。因此，文中提出将 网络应用于 高温合金表面组织缺陷分割，为解决 网络缺陷边缘欠分割与边缘分割不连续问题，对 网络结构基础进行优化，提出一种（）网络，实现缺陷像素级检测
6、。缺陷像素级检测流程如图 所示。图 缺陷像素级检测流程 算法描述文中设计的 网络包括 部分：第 部分引进迁移学习 作为编码网络实现 西 安科技大学学报 年第 卷第 期姜军强，等：基于 的 高温合金组织缺陷检测权重迁移；第 部分采用 网络的思想重新设计跳跃连接模块，经过 注意力机制模块提高有效特征权重后形成加强跳跃连接模块；第 部分利用反卷积进行双倍上采样，渐进复原图像的尺寸并进行预测。网络结构 是一种非常优秀的语义分割网络，适用于金属缺陷分割与医学图像分割等场景，它可以使用相对少的数据获得良好分割结果。类似于 网络，采用编解码网络，包括主干特征提取网络、加强特征提取网络和预测部分 个模块。主干特征提取网络进行连续下采样，是 卷积层和 最大池化层的堆叠，此过程能够获得 个初步有效特征层。随后采用加强特征提取网络对 个初步有效特征层进行上采样处理和特征融合，结果得到一个包含所有特征的有效特征层。预测部分应用加强特征提取网络所得的有效特征层对所有像素点完成分类，进行分割。的网络模型如图 所示。图 网络结构 与背景像素值相近的缺陷在进行多次下采样后会逐步消失，因此在应用网络结构对缺陷进行分割时
安全达人 