實驗名稱：基于掃描激光多普勒測振技術與YOLOv5s深度學習模型的鋁板盲孔損傷檢測

實驗目的：針對工程結構損傷檢測中存在的信號復雜、成像困難及傳統分析方法效率低下的問題，本研究提出了一種基于全導波場圖像目標識別的智能損傷檢測方法，通過結合超聲導波檢測技術與深度學習算法，系統探究了損傷引起的波場畸變特性及其識別機制。

測試設備：掃描激光多普勒測振儀、函數發生器、功率放大器ATA-2021H、壓電換能器、反光膜、計算機數據處理系統，預制含盲孔損傷鋁板實驗構件。

實驗過程：本實驗通過搭建SLDV非接觸掃描實驗平臺，系統驗證了導波在損傷區域的傳播特性，探究了多頻率激勵下波場畸變規律與損傷識別精度，分析了瞬態波場圖像的時空演化特征，并通過訓練YOLOv5s深度學習模型，實現了對盲孔損傷的精準定位與尺寸識別。

圖1實驗裝置示意圖

圖2實驗裝置流程圖

實驗結果：在200kHz五峰波激勵下，訓練完成的YOLOv5s模型能夠精準捕捉損傷引起的波場畸變特征，實現亞毫米級定位精度（誤差<1mm）和10%以內的尺寸識別誤差。數值模擬與實驗驗證均顯示，該模型可有效識別不同尺寸盲孔損傷，并成功規避激勵點干擾，對金屬腐蝕、復合材料層裂等具有波數變化特征的損傷類型展現出強泛化能力。本研究通過深度學習與全波場檢測技術的融合，為工程結構健康監測提供了高精度、高可靠性的智能檢測方案。

圖3實驗全場波場圖像檢測結果

圖4實驗瞬態波場檢測結果與實際結構盲孔對比圖

產品推薦：ATA-2021B高壓放大器

圖：ATA-2021B高壓放大器指標參數

本資料由Aigtek安泰電子整理發布，更多案例及產品詳情請持續關注我們。西安安泰電子Aigtek已經成為在業界擁有廣泛產品線，且具有相當規模的儀器設備供應商，樣機都支持免費試用。