Para resolver el problema de baja precisión en la segmentación de defectos en las soldaduras de películas de rayos X y la información borrosa de los bordes, este artículo propone un modelo de segmentación de red mejorado Dilated_Pooling_Unet (DP_Unet). Primero, se inserta un módulo de extracción de información codificador-decodificador DP_block entre el muestreo descendente y ascendente, con el objetivo de preservar al máximo la información semántica original de los defectos tras la reducción de muestreo y reducir la pérdida debido a las operaciones continuas de convolución y agrupamiento; luego, se añade al modelo el mecanismo de atención GAM para enfocarse en las partes defectuosas de las soldaduras, mejorando efectivamente la capacidad de aprendizaje del canal de características defectuosas y reduciendo el impacto del ruido de fondo; finalmente, se propone una función de pérdida híbrida que fusiona la entropía cruzada binaria y DiceLoss para resolver el desequilibrio de datos positivos y negativos durante el entrenamiento de la red. El conjunto de datos experimental consta del conjunto de datos de defectos públicos GDX-ray. Los resultados experimentales muestran que el método propuesto tiene un buen desempeño en el conjunto de datos GDX-ray, con un valor Dice de 93.45 %, mostrando una mejora significativa en comparación con los algoritmos base. Este método tiene un buen rendimiento de segmentación, superior a los algoritmos tradicionales, mejorando efectivamente la precisión de la segmentación de defectos en las soldaduras de las películas.

Inspección de soldadura;Segmentación de defectos;DP_Unet;Mecanismo de atención