基于实例分割的 NDI 有效缺陷检测
计算机视觉与模式识别
2025-01-27 v1 机器学习
摘要
超声波检测是航空制造中常见的无损检测（NDI）方法。然而，超声波扫描的复杂性和规模使得通过视觉检查或机器学习模型识别缺陷具有挑战性。使用计算机视觉技术从超声波扫描图像中识别缺陷是一项正在发展的研究领域。本研究使用实例分割技术识别复合板超声波扫描图像中的缺陷 presence，这些组件代表了真实的航空组件。我们分别使用基于 Mask-RCNN（Detectron 2）和 YOLO 11 的两个模型。此外，我们实现了一种简单的统计预处理技术，减少对自定义预处理技术的需求。我们的研究表明，在 NDI 流程中使用实例分割是可行且有效的，通过显著减少数据预处理时间、检查时间和总体成本来实现。
引用
@article{arxiv.2501.14149,
title = {Effective Defect Detection Using Instance Segmentation for NDI},
author = {Ashiqur Rahman and Venkata Devesh Reddy Seethi and Austin Yunker and Zachary Kral and Rajkumar Kettimuthu and Hamed Alhoori},
journal= {arXiv preprint arXiv:2501.14149},
year = {2025}
}
备注
6 pages, 2 figures, 2 tables. Published at AI2ASE 2025 workshop at AAAI2025. Accepted publication is available at https://ai-2-ase.github.io/