May, 2024
超声无损检测中基于生成模型的无监督异常检测与缺陷定位的研究
A Study on Unsupervised Anomaly Detection and Defect Localization using
Generative Model in Ultrasonic Non-Destructive Testing
TL;DR近年来，人造材料在结构中的劣化问题已成为严重的社会问题，加强了检测的重要性。无损检测由于其检测结构中的缺陷和劣化的能力而受到增加的需求。其中，激光超声可视化测试（LUVT）由于其能够可视化超声传播而脱颖而出。这使得检测缺陷在视觉上变得直观，从而提高了检测效率。随着劣化结构数量的增加，检测工作面临检验人员短缺和工作量增加等挑战。解决这些挑战的努力包括探索使用机器学习进行自动化检测。然而，由于缺乏带有缺陷的异常数据，机器学习在改善自动化检测的准确性方面存在障碍。因此，在本研究中，我们提出了一种使用扩散模型的异常检测方法来进行自动化LUVT检测的方法，该方法仅需在负样本（无缺陷数据）上进行训练。通过实验证实，我们提出的方法相比先前使用的一般物体检测算法，可以提高缺陷检测和定位的效果。