近日，我院先进成像与数据挖掘研究所团队在基于显微CT智能化无损检测技术开发与应用研究方面取得重要进展，研究成果发表在工程技术权威期刊《Journal of Manufacturing Processes》上。
基于X射线显微CT三维无损检测在增材制造、能源电池和材料科学等领域的应用越来越广。传统X射线成像基于物质密度吸收差异来获取结构信息，随着工况条件愈发复杂，很多样品微缺陷或微特征源自相同或相似的X射线吸收度，导致无法精准区别不同类型、形貌和尺度的同质异形缺陷特征，从而影响产生缺陷的定量统计和工况分析。物理与光电工程学院先进成像与数据挖掘实验室利用自研AIDM-CT系统结合U-net深度学习模型（如图所示），构建了一种并行交换注意力机制的特征分割网络模块，突破较传统图像分割瓶颈，有效解决激光增材制造中不同类型同质异形三维缺陷的高精度检测、分类提取与定量统计，与同类智能化模块相比具有更高分割精度，同时提出了更为灵活有效的检测模式，大幅减少了无损检测时间和成本，可推广至多领域合金和电池研究中。其成果发表以“High-performance deep learning segmentation for non-destructive testing of X-ray tomography”为题发表在美国工程制造学会期刊Journal of Manufacturing Processes（中科院1区，TOP）上。我院硕士生许聪为该论文第一作者，刘慧强教授为通讯作者。
用于激光3D打印增材制造的X射线显微CT智能化无损检测系统
