Weld-CNN: Advancing non-destructive testing with a hybrid deep learning model for weld defect detection

科学家开发基于混合深度学习模型推进焊接缺陷无损检测

越南文南大学Quoc Bao Diep团队开发基于混合深度学习模型推进焊接缺陷无损检测。相关论文于2025年5月31日发表在国际学术期刊《机械工程的进展》上。

研究人员提出了Weld-CNN，一种混合卷积神经网络，通过将序列卷积层与并行块相结合，有效从X射线图像中提取低层次与高层次特征。该模型基于包含裂纹、气孔、未焊透和无缺陷四类焊缝缺陷的24407张X射线图像数据集进行训练，测试准确率最高可达99.83%。Weld-CNN的优异性能表明其有望成为自动化无损焊缝缺陷检测的可靠工具，相较人工方法在效率与质量控制方面实现显著提升。

据悉，焊接是建筑、制造和汽车等行业的关键工艺，焊缝质量直接影响结构完整性与安全性。传统通过射线检测进行焊缝缺陷的人工检测方法耗时、主观且易出错，凸显了对自动化解决方案的需求。

Advances in Mechanical Engineering

本刊是本经过同行评审的开放获取期刊。面向机械工程各个领域出版原创论文以及综述文章，欢迎来自基础及应用领域的原创研究并鼓励具有新颖和创新见解的投稿。

期刊优势

影响因子：2.0

期刊分区：JCR Q3, ENGINEERING, MECHANICAL; THERMODYNAMICS

期刊网址: 

https://uk.sagepub.com/en-gb/chi/journal/advances-mechanical-engineering?utm_source=wechat&utm_medium=china_social&utm_campaign=sciencenet_ade_260116

往期研究:

https://sage.cnpereading.com/search//openoa/adea?utm_source=wechat&utm_medium=china_social&utm_campaign=sciencenet_ade_260116

投稿网址:

https://mc.manuscriptcentral.com/aime?utm_source=wechat&utm_medium=china_social&utm_campaign=sciencenet_ade_260116