张龙飞，高炜欣，冯小星

(1.西安石油大学，西安 710065；2.陕西省油气井测控技术重点实验室，西安 710065；3.光电油气测井与检测教育部重点实验室，西安 710065)

0 前言

长输油气管道多采用焊接技术连接，在焊接过程中由于各种随机因素的影响，不可避免的存在裂缝、气孔等缺陷，从而降低焊件的使用寿命，甚至会带来重大财产损失及人身安全问题。基于X射线焊缝图像的缺陷检测是一种应用较广泛的弥补措施[1-2]。其检测结果直观、准确，并可以永久保存，有很多优良特性。

在X射线焊缝缺陷检测领域，方法众多，文献[3]提出了模糊识别算法，对缺陷样本进行了试验，取得了较好的识别效果。文献[4]利用计算特征值的方法对分割处理后的图像进行缺陷分类。文献[5-6]均采用支持向量机的方法，文献[5]用支持向量机对已分割的缺陷进行识别；文献[6]提出了一种可以对焊缝缺陷自动检测的方法，该方法相比于传统检测算法具有更好的适应性和通用性。文献[7]提出了字典矩阵最优数学模型，该模型通过使用Hopfield神经网络求解最优字典矩阵，提高了缺陷分类的准确性。

近些年来，人工智能得到了飞速发展，“深度学习”[8]的方法在无损检测领域也得到了广泛的应用，如文献[9-12]等。文献[9-11]均使用基于卷积神经网络的深度学习网格构建方法，文献[11]进一步通过数学处理简化了参数计算，防止过拟合的发生，提高了缺陷识别率。并验证了该方法的适用性。而文献[12]使用了一种相对复杂的神经网络，识别率也较高。……