X線フィルムの溶接欠陥セグメンテーション精度が低く、境界情報が不明瞭である問題を解決するために、本論文では改良されたDilated_Pooling_Unet（DP_Unet）ネットワークセグメンテーションモデルを提案する。まず、ダウンサンプリングとアップサンプリングの間にエンコーダー・デコーダー情報抽出モジュールDP_blockを挿入し、ダウンサンプリング後に元の欠陥の意味情報を最大限保持し、連続する畳み込みおよびプーリング操作による損失を軽減することを目的とする。次に、モデルにGAM注意機構を追加し、溶接欠陥部分に重点を置くことで欠陥特徴チャネルの学習能力を効果的に向上させ、背景ノイズの影響を低減する。最後に、ネットワーク訓練時の正負クラスデータの不均衡問題を解決するために、バイナリ交差エントロピーとDiceLossを融合した混合損失関数を提案する。実験データセットは公開データセットであるGDX-ray欠陥データセットで構成される。実験結果は、本手法がGDX-rayデータセット上で良好な性能を示し、Dice値が93.45％に達し、ベースラインアルゴリズムと比較して有意な改善があることを示している。本手法は良好なセグメンテーション性能を有し、従来のセグメンテーションアルゴリズムより優れ、フィルム溶接欠陥のセグメンテーション精度を効果的に向上させる。

溶接検査;欠陥セグメンテーション;DP_Unet;注意機構