邓 聪，罗伟坚，李绪丰

(1.广东省特种设备检测研究院，佛山 528251；2.华南理工大学 机械与汽车工程学院，广州 510640)

为保障承压设备的运行安全，无损检测与评价技术得到了长足的发展，新技术层出不穷并不断完善，所能适用的范围随着承压设备中新型材料的应用、失效机理的探明不断扩大[1-2]。目前，随着检测标准和人员资质要求的完善，射线数字成像检测技术已在特种设备行业得到广泛应用，在提高检测效率的同时，提升了操作自动化程度。

自2006年起，随着神经网络技术的进步与深度学习概念的提出，掀起了一轮人工智能热潮。目前，以深度学习为代表的人工智能技术被广泛应用在自然语言处理、图像识别、语音识别、无人驾驶、智能制造等各个领域中，推动与促进各个行业向智能化方向迅速发展[3]。

在此背景下，深度学习作为一种基于神经网络的机器学习工具，运用于射线检测底片评片系统开发时，具有强大的模型表达能力和自动提取特征等优势，不仅能有效改善传统检测方法的不足，提高评片专家的工作效率，还能切实提升无损检测项目质量和现场管理水平，提高检测的安全性和可靠性。因此，大量学者和工程技术人员开展了相关研究。

1 国内外研究现状

陈本智等[4]提出了一种针对X射线图像的气孔检测算法，主要利用差分图像使得气孔缺陷表现为一个显著性区域，并最终利用阈值将其分割出来。试验结果表明，该方法具有较高的准确性和稳定性，但其没有对焊缝中其他缺陷的X射线图像进行研究，检测对象比较单一。……