CN110879250A - 一种基于人工智能的超声相控阵焊后金属检测方法 - Google Patents
一种基于人工智能的超声相控阵焊后金属检测方法 Download PDFInfo
- Publication number
- CN110879250A CN110879250A CN201911163703.5A CN201911163703A CN110879250A CN 110879250 A CN110879250 A CN 110879250A CN 201911163703 A CN201911163703 A CN 201911163703A CN 110879250 A CN110879250 A CN 110879250A
- Authority
- CN
- China
- Prior art keywords
- phased array
- artificial intelligence
- ultrasonic phased
- detection method
- metal detection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/043—Analysing solids in the interior, e.g. by shear waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/22—Details, e.g. general constructional or apparatus details
- G01N29/26—Arrangements for orientation or scanning by relative movement of the head and the sensor
- G01N29/262—Arrangements for orientation or scanning by relative movement of the head and the sensor by electronic orientation or focusing, e.g. with phased arrays
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
- G01N2291/0234—Metals, e.g. steel
Abstract
本发明提出了一种基于人工智能的超声相控阵焊后金属检测方法,步骤为:(1)采用超声相控阵设备对焊后金属进行检测,将检测信息传送到计算机;(2)采用人工智能技术对检测信息进行处理,生成结论报告;(3)根据结论报告,判断焊后金属内部是否存在缺陷。本发明通过使用超声相控阵对焊后金属进行检测,缺陷显示直观,提升了灵敏度和分辨率,提高了检测效率,实现了自动化生产和批量生产。通过人工智能代替人工分析数据,提高了结果的准确性,降低了成本。
Description
技术领域
本发明涉及一种焊后金属内部是否存在缺陷的检测方法,具体涉及一种基于人工智能的超声相控阵焊后金属检测方法。
背景技术
人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。其自诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以对人的意识、思维的信息过程进行模拟。
超声相控阵技术的灵敏度和分辨率都比常规超声检测高,因此被应用于工业无损检测,如核电站主泵隔热板的检测、核废料罐电子束环焊缝的全自动检测及薄铝板摩擦焊缝热疲劳裂纹的检测。由于数字电子和数字信号处理技术的发展,检测是精确性和实效性越来越高,超声相控阵技术得到了进一步的发展。
金属在焊接完成后,为了保证质量,往往需要检测焊后金属的内部是否存在缺陷。传统的方法是使用超声波对焊后金属进行检测,并人工根据检测的结果进行分析,得出结论。这样虽然可以达到目的,但人工分析的过程不仅繁琐,还存在较大误差,且检测方法也存在局限,导致了效率低、成本高。
因此,针对上述问题,本发明提出了一种新的技术方案。
发明内容
本发明的目的是提供一种使用人工智能代替人工分析数据的,使的超声相控阵进行检测的焊后金属检测方法。
本发明是通过以下技术方案来实现的:
一种基于人工智能的超声相控阵焊后金属检测方法,步骤为:
(1)采用超声相控阵设备对焊后金属进行检测,将检测信息传送到计算机;
(2)采用人工智能技术对检测信息进行处理,生成结论报告;
(3)根据结论报告,判断焊后金属内部是否存在缺陷。
进一步地,所述步骤(1)中,超声相控阵设备配有64个晶片。
进一步地,所述步骤(1)中,超声相控阵设备拥有聚焦功能。
进一步地,所述步骤(1)中,超声相控阵设备同时拥有多种扫描方式。
进一步地,所述扫描方式为线性扫描或扇形扫描。
进一步地,所述步骤(1)中,检测信息为彩色图像。
进一步地,所述步骤(2)中,人工智能技术对检测信息进行处理的方式为根据已有的模型,对收集到的信息进行训练和推演,针对不同环境识别出不同的情况,得出预判结论。
本发明的有益效果是:本发明通过使用超声相控阵对焊后金属进行检测,缺陷显示直观,提升了灵敏度和分辨率,提高了检测效率,实现了自动化生产和批量生产。通过人工智能代替人工分析数据,提高了结果的准确性,降低了成本。
附图说明
图1为本发明的流程示意图。
具体实施方式
下面结合附图说明对本发明做进一步地说明。
如图1所示,一种基于人工智能的超声相控阵焊后金属检测方法,步骤为:
(1)采用超声相控阵设备对焊后金属进行检测,将检测信息传送到计算机;
(2)采用人工智能技术对检测信息进行处理,生成结论报告;
(3)根据结论报告,判断焊后金属内部是否存在缺陷。
在本实施例中,步骤(1)中,超声相控阵设备配有64个晶片。
在本实施例中,步骤(1)中,超声相控阵设备拥有聚焦功能。
在本实施例中,步骤(1)中,超声相控阵设备同时拥有多种扫描方式。
在本实施例中,扫描方式为线性扫描或扇形扫描。
在本实施例中,步骤(1)中,检测信息为彩色图像。
在本实施例中,步骤(2)中,人工智能技术对检测信息进行处理的方式为根据已有的模型,对收集到的信息进行训练和推演,针对不同环境识别出不同的情况,得出预判结论。
本发明通过使用超声相控阵对焊后金属进行检测,缺陷显示直观,提升了灵敏度和分辨率,提高了检测效率,实现了自动化生产和批量生产。通过人工智能代替人工分析数据,提高了结果的准确性,降低了成本。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于人工智能的超声相控阵焊后金属检测方法,其特征在于:步骤为:
(1)采用超声相控阵设备对焊后金属进行检测,将检测信息传送到计算机;
(2)采用人工智能技术对检测信息进行处理,生成结论报告;
(3)根据结论报告,判断焊后金属内部是否存在缺陷。
2.根据权利要求1所述的一种基于人工智能的超声相控阵焊后金属检测方法,其特征在于:所述步骤(1)中,超声相控阵设备配有64个晶片。
3.根据权利要求1所述的一种基于人工智能的超声相控阵焊后金属检测方法,其特征在于:所述步骤(1)中,超声相控阵设备拥有聚焦功能。
4.根据权利要求1所述的一种基于人工智能的超声相控阵焊后金属检测方法,其特征在于:所述步骤(1)中,超声相控阵设备同时拥有多种扫描方式。
5.根据权利要求4所述的一种基于人工智能的超声相控阵焊后金属检测方法,其特征在于:所述扫描方式为线性扫描或扇形扫描。
6.根据权利要求1所述的一种基于人工智能的超声相控阵焊后金属检测方法,其特征在于:所述步骤(1)中,检测信息为彩色图像。
7.根据权利要求1所述的一种基于人工智能的超声相控阵焊后金属检测方法,其特征在于:所述步骤(2)中,人工智能技术对检测信息进行处理的方式为根据已有的模型,对收集到的信息进行训练和推演,针对不同环境识别出不同的情况,得出预判结论。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911163703.5A CN110879250A (zh) | 2019-11-25 | 2019-11-25 | 一种基于人工智能的超声相控阵焊后金属检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911163703.5A CN110879250A (zh) | 2019-11-25 | 2019-11-25 | 一种基于人工智能的超声相控阵焊后金属检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110879250A true CN110879250A (zh) | 2020-03-13 |
Family
ID=69729658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911163703.5A Pending CN110879250A (zh) | 2019-11-25 | 2019-11-25 | 一种基于人工智能的超声相控阵焊后金属检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110879250A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101122585A (zh) * | 2007-09-12 | 2008-02-13 | 天津大学 | 超声相控阵检测油气管道环焊缝缺陷类型自动识别方法 |
CN103323526A (zh) * | 2013-05-30 | 2013-09-25 | 哈尔滨工业大学 | 一种基于超声相控阵和支持向量机的焊缝缺陷检测识别方法 |
CN104849349A (zh) * | 2015-05-18 | 2015-08-19 | 田国良 | 采用相控阵超声组合技术检测薄壁小径管焊缝的方法 |
CN105181798A (zh) * | 2015-08-05 | 2015-12-23 | 中冶建筑研究总院有限公司 | 一种建筑钢结构焊缝超声相控阵检测工艺 |
-
2019
- 2019-11-25 CN CN201911163703.5A patent/CN110879250A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101122585A (zh) * | 2007-09-12 | 2008-02-13 | 天津大学 | 超声相控阵检测油气管道环焊缝缺陷类型自动识别方法 |
CN103323526A (zh) * | 2013-05-30 | 2013-09-25 | 哈尔滨工业大学 | 一种基于超声相控阵和支持向量机的焊缝缺陷检测识别方法 |
CN104849349A (zh) * | 2015-05-18 | 2015-08-19 | 田国良 | 采用相控阵超声组合技术检测薄壁小径管焊缝的方法 |
CN105181798A (zh) * | 2015-08-05 | 2015-12-23 | 中冶建筑研究总院有限公司 | 一种建筑钢结构焊缝超声相控阵检测工艺 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3382386B1 (en) | Defect detection using ultrasound scan data | |
CN109544533B (zh) | 一种基于深度学习的金属板缺陷检测和度量方法 | |
CN108844978B (zh) | 一种用于检测蜂窝内部缺陷的新方法 | |
JP7050470B2 (ja) | 検査支援システム、学習装置、及び判定装置 | |
CN108490078B (zh) | 异种结构型式管道焊缝的单面双侧多角度超声检测方法 | |
CN103969336A (zh) | 一种复杂空间焊缝的超声相控阵自动化检测与成像方法 | |
CN103323526A (zh) | 一种基于超声相控阵和支持向量机的焊缝缺陷检测识别方法 | |
CN108645875B (zh) | 一种预制剪力墙灌浆连接的缺陷识别方法 | |
CN112816556B (zh) | 一种缺陷检测方法、装置、设备和存储介质 | |
CN110879250A (zh) | 一种基于人工智能的超声相控阵焊后金属检测方法 | |
CN112816557B (zh) | 一种缺陷检测方法、装置、设备和存储介质 | |
CN112014471A (zh) | 一种基于虚拟传感器的板结构多模态兰姆波拓扑梯度成像方法 | |
CN111912910A (zh) | 聚乙烯管道热熔焊缝混合超声扫描缺陷智能识别方法 | |
CN114155428A (zh) | 基于Yolo-v3算法的水下声呐侧扫图像小目标检测方法 | |
CN111189766A (zh) | 石化设备腐蚀源主被动声融合实验测试装置 | |
CN110836648B (zh) | 管道壁厚的检测装置及检测方法 | |
Gantala et al. | Automated defect recognition (ADR) for monitoring industrial components using neural networks with phased array ultrasonic images | |
CN212622319U (zh) | 用于液压支架结构件在线焊缝ndt检测的探伤系统 | |
CN109175763B (zh) | 一种埋弧焊钢管焊缝焊偏量参数的检测仪 | |
JP2007232478A (ja) | 超音波探触子のカップリングチェック方法、及びコンピュータプログラム | |
CN104407052A (zh) | 基于磁致伸缩超声导波检测技术检测炉管缺陷的方法 | |
Nakajima et al. | A study on deep cnn structures for defect detection from laser ultrasonic visualization testing images | |
JPH1082766A (ja) | 超音波探傷装置及び欠陥識別支援装置 | |
CN219084819U (zh) | 一种金属物体表面缺陷检测装置 | |
CN116560123B (zh) | 一种用于移动终端的lcd粘接点胶质量检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200313 |
|
RJ01 | Rejection of invention patent application after publication |