一种基于深度学习的超声相控阵扇扫与全聚焦方法相结合的无损检测方法

doi:10.12066/j.issn.1007-2861.2535

上海大学学报(自然科学版) ›› 2026, Vol. 32 ›› Issue (2): 240-250.doi: 10.12066/j.issn.1007-2861.2535

• 通信与信息工程 • 上一篇

一种基于深度学习的超声相控阵扇扫与全聚焦方法相结合的无损检测方法

储清源^1,2,3, 楚海建^1,2,3

1. 上海大学力学与工程科学学院, 上海 200444;
2. 上海大学上海市应用数学和力学研究所, 上海 200072;
3. 上海大学上海市能源工程力学重点实验室, 上海 200444

收稿日期:2023-06-13 发布日期:2026-05-11
通讯作者: 楚海建(1972-), 男, 教授, 博士生导师, 博士, 研究方向为固体力学、微纳米力学. E-mail:hjchu@shu.edu.cn
基金资助:
国家自然科学基金资助项目(11872237); 上海市自然科学基金资助项目(18ZR1414600); 国防基础科研科学挑战专题项目(GAEP)

A deep learning-based non-destructive testing method by combining ultrasonic phased array sector scanning and total focusing method

CHU Qingyuan^1,2,3, CHU Haijian^1,2,3

1. School of Mechanics and Engineering Science, Shanghai University, Shanghai 200444, China;
2. Shanghai Institute of Applied Mathematics and Mechanics, Shanghai University, Shanghai 200072, China;
3. Shanghai Key Laboratory of Energy Engineering Mechanics, Shanghai University, Shanghai 200444, China

Received:2023-06-13 Published:2026-05-11

摘要/Abstract

摘要： 提高检测效率和精度是超声相控阵(phased array,PA)无损探伤的重要研究方向.基于YOLOv5深度学习模型及相控阵扫查成像理论,提出了一种将超声相控阵扇扫与全聚焦法(total focusing method,TFM)相结合的组合式无损检测方法.首先,通过自主训练的YOLOv5s模型对扇扫图像进行初步缺陷识别,实现对缺陷可能区域的快速确定;然后,使用自主研发的TFM成像系统,实现对缺陷可能区域的精确成像.标准试块检测结果表明,该组合检测法能发扬超声相控阵扇扫成像速度快、TFM成像精度高的优点,实现了检测效率和精度的兼顾.

关键词: 超声相控阵, 全聚焦法, 深度学习, 组合检测法

Abstract: To improve the efficiency and accuracy of ultrasonic phased array (PA) scanning, a nondestructive testing approach that combines sector scanning and the total focusing method (TFM) is proposed with the assistance of a deep learning model, namely, YOLOv5s. Using this method, the self-trained YOLOv5s model was applied for preliminary defect recognition on sector scanning images to enable the rapid identification of possible defect regions. Software was developed for the total focusing method imaging system to image possible defects in possible defect regions based on the Qt platform. The results obtained from the test of the assessment block indicate that this new proposed approach can take advantage of not only the high imaging efficiency of ultrasonic phased array sector scanning but also the high accuracy of the total focusing method to achieve improvements in both test efficiency and accuracy.

Key words: ultrasonic phased array (PA), total focusing method (TFM), deep learning, combined test approach

中图分类号:

TB553

储清源, 楚海建. 一种基于深度学习的超声相控阵扇扫与全聚焦方法相结合的无损检测方法[J]. 上海大学学报(自然科学版), 2026, 32(2): 240-250.

CHU Qingyuan, CHU Haijian. A deep learning-based non-destructive testing method by combining ultrasonic phased array sector scanning and total focusing method[J]. Journal of Shanghai University（Natural Science Edition）, 2026, 32(2): 240-250.

参考文献

[1] 邓菲, 胡方朝, 邵可, 等. 多参量超声相控阵技术的研究进展[J]. 应用技术学报, 2018, 18(3): 264-272.
[2] 靳世久, 杨晓霞, 陈世利, 等. 超声相控阵检测技术的发展及应用[J]. 电子测量与仪器学报, 2014, 28(9): 925-934.
[3] Drinkwater B W, Wilcox P D. Ultrasonic arrays for non-destructive evaluation: a review [J]. NDT & E International, 2006, 39(7): 525-541.
[4] 张鹏辉, 赵扬, 李鹏, 等. 超声成像检测技术研究进展综述[J]. 激光与光电子学进展, 2022, 59(2): 0200003.
[5] Holmes C, Drinkwater B, Wilcox P. The post-processing of ultrasonic array data using the total focusing method [J]. Insight-Non-Destructive Testing and Condition Monitoring, 2004, 46(11): 677-680.
[6] Pillarisetti L S S, Raju G, Subramanian A. Sectorial plane wave imaging for ultrasonic array-based angle beam inspection [J]. Journal of Nondestructive Evaluation, 2021, 40(3): 77.
[7] Von Bernus L, Bulavinov A, Dalichow M, et al. Sampling phased array: a new technique for signal processing and ultrasonic imaging [J]. Insight-Wigston Then Northampton, 2006, 48(9): 545-558.
[8] Yang C, Qin K, Li Y. Real-time ultrasonic imaging for multi-layered objects with synthetic aperture focusing technique [C]// Proceedings of the 2014 IEEE International Instrumentation and Measurement Technology Conference (I2MTC). 2014: 561-566.
[9] Hunter A J, Drinkwater B W, Wilcox P D, et al. The wavenumber algorithm: fast Fourierdomain imaging using full matrix capture [C]// AIP Conference Proceedings. 2009: 856-863.
[10] Le Jeune L, Robert S, Dumas P, et al. Adaptive ultrasonic imaging with the total focusing method for inspection of complex components immersed in water [C]// 41st Annual Review of Progress in Quantitative Nondestructive Evaluation. 2015: 1037-1046.
[11] Posilovi L, Medak D, Subai M, et al. Flaw detection from ultrasonic images using YOLO and SSD [C]// Proceedings of the 201911th International Symposium on Image and Signal Processing and Analysis (ISPA). 2019: 8868929.
[12] Medak D, Posilovic L, Subasic M, et al. Automated defect detection from ultrasonic images using deep learning [J]. IEEE Trans Ultrason Ferroelectr Freq Control, 2021, 68(10): 3126-3134.
[13] Virkkunen I, Koskinen T, Jessen-Juhler O, et al. Augmented ultrasonic data for machine learning [J]. Journal of Nondestructive Evaluation, 2021, 40(1): 1-11.

[1]	朱硕, 王永芳, 李子萱, 陈伟. 基于YOLO模型的作业环境实时反光背心检测[J]. 上海大学学报(自然科学版), 2025, 31(4): 691-703.
[2]	范沈伟, 李国平, 王国中. 基于深度学习的轻量级图像压缩算法[J]. 上海大学学报(自然科学版), 2024, 30(3): 466-475.
[3]	张衡, 舒展. 基于点云深度学习的装配式构件尺寸参数识别方法[J]. 上海大学学报(自然科学版), 2023, 29(3): 502-.
[4]	李忠雨, 孙浩东, 李娇. 基于损失加权的实时篮球裁判手势识别系统[J]. 上海大学学报(自然科学版), 2023, 29(1): 68-81.
[5]	杨英杰, 王永芳, 张涵. 基于注意力和反馈机制的 HDR 视频重建[J]. 上海大学学报(自然科学版), 2023, 29(1): 56-67.
[6]	李成范, 赵俊娟. 面向遥感图像的小样本目标检测改进算法研究[J]. 上海大学学报(自然科学版), 2022, 28(2): 314-323.
[7]	王榕榕, 徐树公, 黄剑波. 基于深度学习的图像抠图技术[J]. 上海大学学报(自然科学版), 2022, 28(2): 261-269.
[8]	许庚林, 冉峰, 邓良, 史华康, 郭爱英. 轻量化神经网络和哈希跟踪算法在嵌入式人脸抓拍系统中的应用[J]. 上海大学学报(自然科学版), 2021, 27(6): 1018-1028.
[9]	邢毅雪, 朱永华, 高海燕, 周金, 张克. 基于注意力机制的远程监督实体关系抽取[J]. 上海大学学报(自然科学版), 2021, 27(5): 983-992.
[10]	邵慧翔, 曾丹. 基于改进 YOLOv3 算法的水下小目标分类与识别[J]. 上海大学学报(自然科学版), 2021, 27(3): 481-491.
[11]	陈钰, 丁友东, 于冰, 徐敏. 基于像素流的视频彩色化[J]. 上海大学学报(自然科学版), 2021, 27(1): 18-27.
[12]	胡嘉成, 王向阳, 刘晗. 基于深度学习的连铸坯表面缺陷检测[J]. 上海大学学报(自然科学版), 2019, 25(4): 445-452.
[13]	谢志峰, 叶冠桦, 闫淑萁, 何绍荣, 丁友东. 基于生成对抗网络的HDR图像风格迁移技术[J]. 上海大学学报(自然科学版), 2018, 24(4): 524-534.
[14]	郎玥1, 周霁婷1, 梁小龙2, 张文俊1. 基于人脸识别的影视剧镜头自动标注及重剪系统[J]. 上海大学学报(自然科学版), 2017, 23(3): 353-363.
[15]	沈文枫, 张建蕾, 周丁倩, 陈圣波, 邱峰. 大数据时代的车牌汉字识别[J]. 上海大学学报(自然科学版), 2016, 22(1): 88-96.

一种基于深度学习的超声相控阵扇扫与全聚焦方法相结合的无损检测方法

A deep learning-based non-destructive testing method by combining ultrasonic phased array sector scanning and total focusing method

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价