近日，由9728太阳集团材料学院李岩/刘洋等开发的ELTDF-Net——基于局部感知残差门控多频域卷积注意力的PAUT焊接缺陷检测模型，发表于国际无损检测期刊《Nondestructive Testing and Evaluation》。该模型专为锅炉水冷壁小径管相控阵超声检测（PAUT）打造，成功破解工业焊接缺陷检测三大核心痛点，检测性能全面领先主流模型，为工业无损检测领域提供高精度、可落地的智能新方案。
锅炉水冷壁小径管焊接接头是工业设备的关键“生命线”，微小的未熔合、裂纹等缺陷，极易引发介质泄漏、管体爆裂等重大安全事故。由于焊接内部缺陷隐蔽性强，传统光学检测无法触及内部特征，而PAUT检测虽能捕捉内部信息，却长期受噪声干扰、低光区特征模糊、晶界散射与缺陷频谱重叠三大难题制约，人工检测误检率高，传统深度学习模型识别精度不足，工业安全检测面临严峻挑战。
针对上述痛点，研究团队创新设计三大核心模块，构建ELTDF-Net智能检测模型，实现“精准识别、高效降噪、强化弱特征”的全方位突破。ECCR多通道感知局部特征模块融合多尺度空洞卷积与动态通道校准，如同“多尺度放大镜”，精准捕捉毫米级微小缺陷，避免注意力偏移；LCRB残差门控机制打造亮度-噪声“分离净化器”，抑制频域混叠噪声，强化低光区缺陷特征关联，让暗区缺陷无处遁形；TVconv-CA多频域卷积注意力模块练就“频域辨物”能力，放大缺陷低频形态特征、抑制高频散射噪声，清晰区分晶界散射与真实缺陷。
目前，研究团队已基于ELTDF-Net核心算法，开发相控阵焊接缺陷智能分类系统，完成工程封装。该系统具备友好交互界面，支持数据导入、实时预测、结果可视化等功能，检测置信度达98%，可直接落地工业现场，实现从理论创新到实际生产力的转化。
业内专家表示，ELTDF-Net模型的研发成功，不仅解决了PAUT焊接缺陷检测的行业痛点，更实现了检测精度、效率与工程实用性的三重提升。未来，该模型有望拓展至多场景工业超声、电磁无损检测领域，通过轻量化优化、小样本学习等技术迭代，适配更多特种设备缺陷识别需求，助力构建全流程工业智能检测体系，为工业安全生产筑牢技术屏障。
【项目支持】
该研究得到山西省重点研发项目——数字驱动的小径管焊缝相控阵超声精密检测关键技术研究与应用示范（202302010101006）以及山西省科技成果转化引导专项计划——数字X射线成像焊接缺陷检测智能评片系统开发与应用推广（202404021301042）项目的经费的支持，同时山西省特种设备科学研究院、太原锅炉集团有限公司、潞安化工机械集团等合作单位为本研究的应用提供了大量场景。
【数据概览】
图1 On-site inspections conducted at the factory. © 2026 Informa UK Limited, trading as Taylor & Francis Group
图2ELTDF-Net structure © 2026 Informa UK Limited, trading as Taylor & Francis Group
图3ECCR © 2026 Informa UK Limited, trading as Taylor & Francis Group
图4LCRB © 2026 Informa UK Limited, trading as Taylor & Francis Group
图5TVconv-CA © 2026 Informa UK Limited, trading as Taylor & Francis Group
图6Dataset collection process © 2026 Informa UK Limited, trading as Taylor & Francis Group
图7PAUT-Welds datasets © 2026 Informa UK Limited, trading as Taylor & Francis Group
图8Scatter plot of original and learning features on different datasets © 2026 Informa UK Limited, trading as Taylor & Francis Group
图9Left: confusion matrix of the baseline model; right: confusion matrix ofELTDF-Net. © 2026 Informa UK Limited, trading as Taylor & Francis Group
图10Feature visualization flowchart © 2026 Informa UK Limited, trading as Taylor & Francis Group
【现场测试应用】
扬州迪业科技有限公司焊接筒体检测现场
太原锅炉厂水冷壁小径管检测现场
阳煤化机大型压力容器焊缝检测现场
【成果启示】
ELTDF Net通过三模块协同，攻克PAUT焊缝缺陷检测噪声干扰、弱光特征模糊、晶界散射与缺陷谱重叠难题，检测精度、鲁棒性与细粒度识别全面领先主流模型。完成算法到工业智能检测系统的闭环转化，可实时预测与可视化，满足现场高精度无损检测需求。显著降低误报漏报，实现检测精度、效率、实用性三重提升，为工业焊缝安全检测提供标准化智能方案。
未来研究前景有，可拓展至多场景工业超声/电磁无损检测，适配更多特种设备缺陷识别。轻量化与边缘部署优化，实现现场端侧实时智能检测。结合小样本/跨域学习，提升复杂工况泛化能力，构建全流程智能检测体系。
【媒体关注转载】
1.网易-计算机视觉研究院
https://c.m.163.com/news/a/KTP57OLP05568W0A.html?spss=newsapp&spsnuid=&spsdevid=N2ZlNDBiMjRjODI0NTIzYl84ZDM1M2ZlYjk4YzZfUmVkbWlfMjQxMjJSS0M3Qw%253D%253D&spsvid=MTc4MDIyMzMxMDk4OF8xNTM3MzgxNzVfOUdGNXp6ZE4%253D&spsshare=wx&spsts=1780235356840&spstoken=DKSZhSMlQiwuBd5ASwdnDttmcYCNfm7%2BROkTXE8kSWMm58laFMhzDFaP%2FZf0K57P
2.材料牛
http://www.cailiaoniu.com/?p=271529
3. CSDN-AI缝合怪博士
https://blog.csdn.net/qq_45972324/article/details/161310006
4. CSDN-3D视觉工坊
https://yongqi.blog.csdn.net/article/details/161295305
5.新浪财经
https://finance.sina.cn/2026-05-25/detail-inhzamvs3716643.d.html?cref=cj
6.极市平台
https://mp.weixin.qq.com/s/UlTy1cicQawSk4oeUtuyNQ?scene=1&click_id=6
7.焊接科学
https://mp.weixin.qq.com/s/npcnmy6I15Gdw43Hp_cGQg?scene=1&click_id=7
8.材料人
https://mp.weixin.qq.com/s/VvXH-wZPMXvuoQGdu-pSNQ?scene=1&click_id=8
9. AI缝合术
https://mp.weixin.qq.com/s/cCSBQJnQJKj3Yw5AV9Pn_w
