来源：期刊VIP网 时间：
作者：余泽禹;卫小龙;
单位：荆州职业技术学院信息与通信工程学院;荆州职业技术学院智能制造学院;
摘要：深度学习模型在工业质检获得了很好应用，但其高度依赖于对每个类别大量数据标注，且无法识别未知缺陷类型。管道焊缝缺陷种类多、特异性强，收集大量不同缺陷样本并标注难以实现。基于这些困难，提出零样本学习方法，充分利用从业人员对缺陷类别的语义描述，将人工语义特征和超声检测信号特征跨模态融合，构建已知和未知类别的跨模态融合特征，实现对未知缺陷的识别。实验对比了4种工业质检中的常用模型。结果表明，模型对各类缺陷种类均有着良好的识别能力，有效解决对未知缺陷的识别问题，降低人工智能模型训练成本和对未知缺陷的漏检率，为管道焊缝缺陷智能识别模型工业化部署提供有效解决方案。
关键词：超声无损检测;;零样本学习;;管道焊缝;;缺陷识别;;跨模态识别
基金资助：国家自然科学基金项目(51778064);; 湖北省教育厅科研计划项目(B2023538);; 荆州市2023年度科技计划项目(2023EC36)
