Journal of Nondestructive Evaluation

Phát hiện lỗi trong thử nghiệm không phá hủy, đặc biệt đối với các tín hiệu phức tạp như dữ liệu siêu âm, cho đến nay đã phụ thuộc nhiều vào chuyên môn và phán quyết của các thanh tra viên được đào tạo. Mặc dù các hệ thống tự động đã được sử dụng trong thời gian dài, nhưng chúng chủ yếu bị giới hạn bởi các quyết định tự động đơn giản, chẳng hạn như ngưỡng biên độ tín hiệu. Những tiến bộ gần đây trong các thuật toán học máy khác nhau đã giải quyết nhiều vấn đề phân loại khó khăn tương tự, mà trước đây được coi là không thể giải quyết. Đối với thử nghiệm không phá hủy, những kết quả khuyến khích đã được báo cáo trong tài liệu mở, nhưng việc sử dụng học máy vẫn rất hạn chế trong các ứng dụng thử nghiệm không phá hủy tại hiện trường. Vấn đề chính cản trở việc sử dụng chúng, là sự sẵn có hạn chế của các bộ dữ liệu lỗi đại diện để sử dụng cho việc đào tạo. Trong bài báo hiện tại, chúng tôi phát triển mạng nơ-ron tích chập hiện đại để phát hiện lỗi từ dữ liệu siêu âm pha. Chúng tôi sử dụng phương pháp gia tăng dữ liệu một cách rộng rãi để nâng cao dữ liệu thô ban đầu hạn chế và hỗ trợ việc học. Phương pháp gia tăng dữ liệu sử dụng lỗi ảo - một kỹ thuật đã thành công trong việc đào tạo các thanh tra viên nhân loại và sẽ sớm được sử dụng trong việc định hướng cho các cuộc kiểm tra hạt nhân. Các kết quả từ bộ phân loại học máy được so sánh với hiệu suất của con người. Chúng tôi cho thấy, rằng bằng cách sử dụng gia tăng dữ liệu tinh vi, các mạng học sâu hiện đại có thể được đào tạo để đạt được hiệu suất cấp độ con người.