Для решения проблемы низкой точности сегментации дефектов сварных швов на рентгеновских пленках и размытых границ в настоящей статье предложена улучшенная модель сегментации сети Dilated_Pooling_Unet (DP_Unet). Во-первых, между операциями пониженного и повышенного дискретизации вводится модуль извлечения информации кодера-декодера DP_block, который максимально сохраняет семантическую информацию о дефектах после понижения и снижает потери, вызванные последовательными сверточными и пуллинговыми операциями; затем в модель добавлен механизм внимания GAM, который фокусируется на дефектах сварных швов, эффективно улучшая способность обучения каналов признаков дефекта и снижая воздействие фонового шума; наконец, предложена гибридная функция потерь, объединяющая бинарную кросс-энтропию и DiceLoss, для решения проблемы несбалансированных положительных и отрицательных данных при обучении сети. Экспериментальный набор данных состоит из общедоступного набора данных дефектов GDX-ray. Результаты показывают, что предложенный метод хорошо проявляет себя на наборе данных GDX-ray, достигая значения Dice 93,45%, значительно превосходя базовые алгоритмы. Метод обладает хорошей сегментационной производительностью, превосходит традиционные алгоритмы сегментации и эффективно повышает точность сегментации дефектов сварных швов на пленках.

Сварочный контроль;Сегментация дефектов;DP_Unet;Механизм внимания