基于YOLO11-LDConv-G的检测方法：在结构回波干扰下，用于识别小口径喷嘴搭接焊缝TFM图像中的缺陷

《Scientific Reports》：YOLO11-LDConv-G-based detection of defects in TFM images of small-bore nozzle fillet welds under structural echo interference

　　

摘要

小口径喷嘴的角焊缝在超声检测中面临挑战，因为在总聚焦法（TFM）图像中，缺陷信号的显示通常很弱，容易被结构回波和背景噪声掩盖。为了解决这个问题，本研究提出了一种智能缺陷检测框架，该框架结合了相控阵全矩阵捕获（FMC）技术、TFM成像以及改进版的YOLO11网络，用于复杂焊缝的检测。研究通过实验检测建立了带有预制缺陷的喷嘴样品的标注数据集，这些缺陷包括裂纹、气孔、未完全穿透、缺乏熔合以及无缺陷的情况。为了增强模型对抗结构回波干扰的能力，并更好地识别形态多样的小缺陷，将门控线性可变形卷积模块引入YOLO11网络中，从而得到了改进后的YOLO11-LDConv-G模型。与基线YOLO11相比，该模型在独立测试集上的召回率从0.819提高到0.845，mAP@0.5从0.882提高到0.931，mAP@0.5:0.95从0.543提高到0.565。这些结果表明，所提出的方法在当前未参与训练的测试集上具有初步的可行性。