周李洪，龚金科，李兵

(1.湖南大学机械与运载工程学院，湖南长沙，410082；2.湖南机电职业技术学院汽车工程学院，湖南长沙，410151；3.合肥工业大学电气与自动化工程学院，安徽合肥，30009)

在生产力水平迅速发展和工业技术、工艺水平不断提高的背景下，金属材料已广泛应用于社会发展的各个行业中，同时发挥了非常重要的作用。其中，汽车金属材料在加工时，会不可避免地出现一些缺陷，如铸造时生成的气孔、表层黏砂和夹砂等，还有锻造时的表层裂纹等。在材料整个使用周期中，在时间不断延长、气候和环境等一系列因素影响下，腐蚀和疲劳等不足也逐渐产生。此类缺陷会对材料整体使用寿命和力学特性等产生直接影响。一些微小缺陷的发展会造成材料失效同时出现断裂，因此，汽车金属材料表面微小缺陷的无损检测成为了急需解决的问题。国内无损检测起步相对较晚，但是整体发展很迅速。近年来，人们采用超声波、光声和机器视觉等多种手段进行了相应研究[1-2]。无损检测指的是以不破坏对象正常使用功能为前提条件，使用现代化技术与设备对因材料缺陷造成的异常进行检测，以此得到缺陷信息的检测技术，其能够减少及消除金属材料隐患。该技术为工业发展过程中不可或缺的有效工具，在提高生产力和促进国家发展中具有重要的现实意义[3-4]。李萍等[5]提出了一种基于深度学习的缺陷识别方法，通过卷积神经网络模型获得汽车金属材料表面缺陷特征，通过深度学习对汽车金属材料表面特征进行分析，提升了对汽车金属材料微小缺陷识别的适应性，但是缺陷类型判断效果不佳。……