网站建设方案 备案,青岛网站建设服务器,做自己照片视频网站,网站某个链接失效4.Levels of automation 5.Basic axioms for DL-based ultrasonic NDE 在回顾了最新技术和每个自动化级别的贡献之后#xff0c;我们不难发现#xff0c;目前的数字语言方法论在不同论文之间存在着很大的差异。例如#xff0c;有些作者提出了同时处理不同步骤的模型[121]我们不难发现目前的数字语言方法论在不同论文之间存在着很大的差异。例如有些作者提出了同时处理不同步骤的模型[121]而另一些作者则使用独立的模型[122]。明确的模型限制如超处理和预处理参数的范围和灵敏度通常没有写入论文因此只能提供有关 DL 模型的使用和实用性的部分信息。这些不一致和信息的缺乏会导致自动化道路上的进展缓慢因为行业和监管机构可能需要看到一种更加统一的方法。下文提出了一系列公理以规范为无损检测开发和应用新 DL 模型的过程并弥合当前多种 DL 贡献与工业领域之间的差距在工业领域法规和检测资格至关重要。值得强调的是这些公理已与航空航天、核能和可再生能源等多个行业的多个工业联系人进行了讨论并符合欧洲航空安全局 [6,7] 的报告和欧洲无损检测资格认证方法 [129] 的当前期望。此外这些公理总结于表 3建立在文献中的技术证据和每个自动化级别中确定的未来挑战之上。 6.Conclusions and future directions 本文回顾了基于 DL 的无损检测的研究现状。DL 已成功应用于许多领域如计算机视觉或自然语言处理。对于无损检测DL 主要用于以下方面(1) 执行数据处理任务而传统方法要么速度太慢要么无法完成这些任务(2) 创建更独立于操作员经验的检测程序因此不易出错--例如用于损伤特征描述以及 (3) 自动执行重复性无损检测任务例如从复杂数据和结构中检测缺陷。然而这些工作表明在开发 DL 模型的过程中存在很大的差异可能会对其在实际工业环境中的适用性造成实际限制。 已经提出了一个无损检测自动化路线图其中提出了一系列自动化级别从完全由操作员驱动的无损检测到完全自动化的无损检测和 SI。这些级别以航空业等其他行业的级别为基础划分了人类操作员和自主系统在不同阶段的预期义务。研究发现目前的研究主要集中在第 1 级和第 2 级即操作员辅助和部分自动化。此外还确定并描述了与每个级别相关的一系列公开挑战。请注意本路线图的目的是为研究人员和无损检测行业设定一个视野以便更容易地设定提升到更高自动化水平的目标从而使自动化历程标准化。 在此背景下确定了与研究界仍面临的挑战有关的最直接的未来机遇
集中数据去噪。目前大多数研究都集中在原始超声波信号的去噪上但对感兴趣元素的集中识别如缺陷回波的 ToF 或重叠回波的分离仍只是模糊的探索。这种类型的数据处理可以大幅提高 PoD 值同时减少误报。使用清洁数据的另一个潜在优势是无损检测操作员可以更轻松、更准确地进行缺陷表征。DL 可以通过自动分离回波、提供 ToF 信息的方法来提供帮助即使在存在严重噪声的情况下也是如此。
图像解读。虽然科学文献中已有许多创建和解读超声波图像的方法但这些方法在准确描述微小缺陷方面可能存在局限性。目前正在探索 DL 超分辨率算法结果非常准确。针对具有复杂内部结构的材料如复合材料进一步开发这些方法肯定会改变游戏规则为无损检测操作人员提供更易于解读的精确图像。
不确定性量化。在实际检测场景中使用 DL 时必须对所用模型的置信区间进行评估。为此一个关键步骤是量化 DL 模型的不确定性具体测量与以下两方面有关的误差(1) 实验测量的不确定性(2) 与模型本身有关的不可还原不确定性。这些信息对于模型的改进至关重要直到模型既准确又可靠即避免较大的输出变化。尽管不确定性量化非常重要但文献中仍很少涉及因此预计它将成为未来基于 DL 的无损检测领域研究最多的问题之一。
自动系统的自我意识。基于 DL 的自主系统旨在自动执行任务也必须能够识别超出其预定操作领域的情景。一旦识别出异常情况系统就应发出警告要么让操作人员接管要么让设计人员重新培训或设计 DL 模型。为此一种可能的方法是对认识上的不确定性进行量化系统可以据此告诉自己它对最近的预测不够自信。我们还预计在可预见的未来为基于 DL 的无损检测模型开发自我认知方法将是一个重要的研究课题。 最后为了使基于 DL 的检测方法的开发同质化本文还首次确定了 DL 方法完全适用于无损检测所应满足的公理。所提出的基本属性不仅侧重于 DL 模型的定义和评估如可量化的性能或不确定性量化还包括可追溯性等实施方面。需要强调的是这些公理是通过文献综述和来自不同行业的意见得出的。
