基于改进U-Net3+的相控阵超声图像语义分割

毛鑫玥; 王慧锋; 周家乐; 顾震; 颜秉勇

doi:10.14135/j.cnki.1006-3080.20240305003

华东理工大学学报（自然科学版） ›› 2025, Vol. 51 ›› Issue (02) : 242 -249. DOI: 10.14135/j.cnki.1006-3080.20240305003

基于改进U-Net3+的相控阵超声图像语义分割

毛鑫玥, 王慧锋, 周家乐, 顾震, 颜秉勇

作者信息 +

Author information +

文章历史 +

PDF

摘要

超声相控阵成像已广泛应用于聚乙烯燃气管道的焊接缺陷检测中，随着机器视觉技术的快速发展，利用机器辅助或自动化分析超声图像能极大地提高缺陷检测速度，减少人为判断失误的发生。在基于超声图像的焊接缺陷检测技术中，图像语义分割精度对缺陷类别和严重等级的判定至关重要。本文在U-Net3+网络的基础上提出一种融入残差及注意力机制的改进模型，并应用于电熔焊接缺陷检测的相控阵超声图像语义分割。首先，改进模型通过在编码器各层之间采用残差结构来提升编码器的图像特征提取能力；其次，通过在跳跃连接中引入卷积块注意力模块(Convolutional Block Attention Module, CBAM)，加强模型对原始图像信息的利用率，使模型更易聚焦于原始图像中的有效区域。实验结果表明，改进后的模型在电熔焊接超声图像上具有良好的分割效果，在Dice、mIoU两项指标上，相比U-Net分别提升了8.81%和12.84%；相比U-Net3+的分割效果分别提升了1.09%和1.81%。