超声图像中复合材料褶皱形态的Mask-RCNN识别方法

复合材料在制造和使用过程中不可避免地会产生褶皱缺陷,因其形态变化多样,形变程度较小,人工辨认存在一定障碍,容易出现错漏情况.为提高检测效率,提出利用Mask-RCNN(Mask region-based convolutional neural net works)目标检测算法对复合材料超声图像中不同形态的褶皱缺陷进行检测并分类.制备含有不同形态褶皱缺陷的碳纤维复合材料层合板,利用超声相控阵采集全矩阵数据;通过波数成像算法得到复合材料层合板纵切面图像,根据地质层中褶皱的几何学特征,将复合材料层合板中存在的不同褶皱分为三类,进而建立褶皱形态与材料损伤程度之间的关系;提出Mask-RCNN算法用于褶皱缺陷的自动检测并分类,该算法中语义分割的引入可显示褶皱缺陷的位置和形状.实验结果表明:Mask-RCNN对不同形态褶皱识别的准确率分别达到92.1%,90.9%和93.3%,褶皱分类识别准确、有效.为实现复合材料层合板数据采集-成像-缺陷判别一体化、自动化提供了理论支撑.