50航空制造技术·2023年第66卷第7期FORUM论坛引文格式：缪寅宵,孙增玉,杨奕,等.基于深度学习的X射线胶片数字化与缺陷检测算法[J].航空制造技术,2023,66(7):50–56,72.MIAOYinxiao,SUNZengyu,YANGYi,etal.AlgorithmofX-rayfilmdigitizationanddefectdetectionbasedondepthlearning[J].AeronauticalManufacturingTechnology,2023,66(7):50–56,72.基于深度学习的X射线胶片数字化与缺陷检测算法缪寅宵，孙增玉，杨奕，郭力振（北京航天计量测试技术研究所，北京100076）[摘要]X射线胶片数字化和焊缝缺陷自动检测对提高航天大型零件生产加工质量和检测效率具有重要意义。在某些特定场景中，X射线检测无法采用数字式接收器，将X射线胶片转化为数字图像是缺陷识别的前提，但现有方法难以实现X射线胶片的高保真数字化，此外，大型零件的焊缝缺陷具有小目标特点，人工判读和传统图像检测算法难以保证识别精度。本文提出了一种基于深度学习的X射线胶片缺陷检测算法，首先基于全卷积神经网络在X射线胶片上不同曝光时间的图像中自动选择曝光时间最佳的数字图像，然后设计了基于轻量级MoGaA网络的缺陷检测网络，实现了数字化图像中的小目标缺陷检测。数字化和检测结果表明，该算法对于焊缝缺陷检测的准确率可达96%，取得了良好的检测效果。关键词：X射线胶片；焊缝缺陷；数字化图像；深度学习；缺陷检测DOI:10.16080/j.issn1671-833x.2023.07.050缪寅宵研究员，主要研究方向为无线电电子学和仪器仪表工业。性差，远不能满足高速生产节奏；最后，该方法缺乏检测的一致性和科学性，导致检测的可靠性较低。随着航空航天加工向自动化、敏捷化、数字化方向快速发展，传统人工焊缝质量评估存在主观性大、效率低、对底片损伤大等缺点，已不能满足大批量生产和数字化信息管理的需要。针对X射线胶片的数字化及人工智能判读，多数研究集中在对医学X射线胶片的数字化翻拍以及人工智能辅助医疗上。由于人体对X射线的穿透率高，医学X射线胶片的光学密度（黑度）相对于工业X射线胶片低很多，易于实现对医学X射线胶片的数字化，但这些方法不能直接用于工业X射线胶片的数字化，而必须采用高动态范围图像的融合技术。此外，医学辅助医疗人工智能是在前在航空航天领域，焊接工艺广泛应用于大型零件的生产。但由于设计和操作中的各种人为及随机因素，焊缝中不可避免地存在气孔、裂纹、夹渣等缺陷[1]。因此，在生产和操作过程中，有必要对焊缝中的缺陷进行检查，以确保产品在生产及...
