Para resolver o problema da baixa precisão na segmentação de defeitos de solda em filmes de raios X e informações de borda borradas, este artigo propõe um modelo de segmentação de rede Dilated_Pooling_Unet (DP_Unet) aprimorado. Primeiramente, um módulo de extração de informações codificador-decodificador DP_block é inserido entre as operações de downsampling e upsampling, visando preservar ao máximo a informação semântica original dos defeitos após o downsampling e reduzir as perdas causadas pelas operações contínuas de convolução e pooling; em seguida, o mecanismo de atenção GAM é adicionado ao modelo para focar nas partes defeituosas da solda, melhorando efetivamente a capacidade de aprendizado dos canais de características de defeitos e reduzindo o impacto do ruído de fundo; por fim, é proposta uma função de perda híbrida que combina entropia cruzada binária e DiceLoss para resolver o problema do desequilíbrio entre dados positivos e negativos durante o treino da rede. O conjunto de dados experimental é composto pelo conjunto público de dados de defeitos GDX-ray. Os resultados experimentais indicam que o método proposto tem bom desempenho no conjunto GDX-ray, com valor Dice de 93,45%, apresentando melhora significativa em comparação com algoritmos base. Este método possui bom desempenho de segmentação, superando algoritmos tradicionais e melhorando efetivamente a precisão da segmentação de defeitos de solda em filmes.

Inspeção de soldagem;Segmentação de defeitos;DP_Unet;Mecanismo de atenção