He jishu (Jun 2025)
基于不均衡卷积特征提取的燃料棒焊缝缺陷检测方法
Abstract
核燃料棒在反应堆运行中面临极端服役环境，其包壳管与端塞焊缝的精密检测是核安全的重要保障措施。针对真实缺陷发生概率低、X射线成像设备成本高等原因造成高质量的训练数据集缺乏，以及现有模型难以满足实时性检测需求等问题，本文设计了一种基于不均衡卷积特征提取的智能缺陷检测算法，通过在边界回归损失函数中引入距离注意力机制，构建基于不均衡卷积的特征提取主干网络，获得了具有高检测精度和良好实时性的检测模型YOLOv8n-WIOU-Fasternet，解决缺陷特征不均衡导致的检测模型精度有限和稳定性差的问题。通过自行采集的500支燃料棒的X射线数字成像（Digital Radiography，DR）图像，制成一批包含气孔、气胀、未焊透、夹钨和堵孔等异常缺陷样品。选取端塞焊缝附近作为感兴趣区域，采用开源图像标注工具LabelImg对缺陷区域进行手动标注，获得720张缺陷图像。通过对该数据集进行了系统性的数据扩充，生成带有“伪缺陷”的样本，构建出包含不同类型缺陷的燃料棒DR图像共计7 200张，其中气孔、夹钨、未焊透等不同类型缺陷在训练集中的数量相同，并按8:2的比例划分为训练集和验证集。另行采集了72张未参与训练和验证过程的燃料棒缺陷图像，作为独立测试集，对本文所提出的缺陷检测模型进行了性能评估与实验验证。实验结果表明，该模型的检测精度明显优于人工特征提取类缺陷检测方法和原始的YOLOv8模型，漏检率和误检率均低于5%。本文所提出的模型在检测精度和计算效率之间实现了良好的平衡，为燃料棒缺陷检测提供了一种创新且实用的解决方案。
Keywords
