航空裝備由于經(jīng)常暴露在嚴(yán)重的鹽霧、潮濕和煙塵環(huán)境中，極易發(fā)生腐蝕問(wèn)題[1-2]。目前，腐蝕已成為航空裝備發(fā)生事故的重要原因之一，由此導(dǎo)致航空裝備的防腐蝕費(fèi)用居高不下。據(jù)介紹，美國(guó)防部每年用于防腐蝕的費(fèi)用達(dá)約10億美元。對(duì)服役裝備進(jìn)行腐蝕檢測(cè)是十分必要的環(huán)節(jié)。采取有效措施檢測(cè)裝備表面的腐蝕缺陷并評(píng)估腐蝕等級(jí)可以指導(dǎo)維護(hù)人員盡早制定維修和保養(yǎng)措施，最大限度地降低腐蝕對(duì)航空裝備的破壞作用，延長(zhǎng)其使用壽命，提高其可靠性，并大幅減少艦載機(jī)的維修費(fèi)用。 

目前，對(duì)于航空裝備表面腐蝕狀態(tài)的傳統(tǒng)監(jiān)檢測(cè)技術(shù)主要包括兩方面：一方面，通過(guò)測(cè)定銹蝕引起材料電磁、熱傳導(dǎo)、聲波傳播等物理性質(zhì)的變化來(lái)反映腐蝕情況[3]，主要技術(shù)包括超聲法、渦流法、射線(xiàn)法、紅外熱像法等；另一方面，利用電化學(xué)腐蝕監(jiān)檢測(cè)設(shè)備對(duì)航空裝備關(guān)鍵部位所處的環(huán)境因素（溫度、濕度、pH、Cl-含量等）進(jìn)行檢測(cè)，并對(duì)典型部位基體腐蝕速率及累積腐蝕量進(jìn)行實(shí)時(shí)測(cè)量，從而對(duì)關(guān)鍵部位腐蝕失效和日歷壽命做出準(zhǔn)確評(píng)估[4]。近年來(lái)，隨著光電技術(shù)的興起，非接觸式光學(xué)測(cè)量系統(tǒng)、三維立體視覺(jué)技術(shù)得到快速發(fā)展[5-6]，通過(guò)與計(jì)算機(jī)技術(shù)、自動(dòng)控制技術(shù)、機(jī)器人技術(shù)相結(jié)合，智能化、可視化、小型化，能現(xiàn)場(chǎng)原位應(yīng)用的腐蝕檢測(cè)技術(shù)是未來(lái)的主流發(fā)展趨勢(shì)。 

筆者首先對(duì)常規(guī)腐蝕缺陷檢測(cè)技術(shù)的原理和局限性進(jìn)行了總結(jié)，隨后重點(diǎn)闡述了基于機(jī)器視覺(jué)的新型腐蝕檢測(cè)技術(shù)的研究進(jìn)展，并對(duì)機(jī)器學(xué)習(xí)等人工智能方法應(yīng)用于腐蝕缺陷自動(dòng)識(shí)別和評(píng)價(jià)的發(fā)展趨勢(shì)進(jìn)行了展望。 

1.   常規(guī)腐蝕缺陷檢測(cè)技術(shù)研究現(xiàn)狀

目前，用于航空裝備表面腐蝕缺陷的常規(guī)檢測(cè)技術(shù)主要包括超聲法、射線(xiàn)法、紅外熱像法、渦流法和磁粉法等。 

1.1   超聲檢測(cè)

超聲檢測(cè)是一種傳統(tǒng)的檢測(cè)技術(shù)，輸出信號(hào)以波形方式體現(xiàn)，原理是利用機(jī)械波與缺陷相互作用的散射、反射和透射，獲得含有缺陷信息的聲信號(hào)，從而判斷工件和材料缺陷的嚴(yán)重程度。利用超聲波檢測(cè)法可分辨管道的內(nèi)外壁腐蝕、應(yīng)力腐蝕破裂和管壁內(nèi)的夾雜等缺陷[7-8]。此外，SRIRAMADASU等[9]利用超聲導(dǎo)波散射對(duì)鋼筋點(diǎn)蝕進(jìn)行早期檢測(cè)和評(píng)估，根據(jù)各種散射波模式到達(dá)的差分時(shí)間來(lái)識(shí)別點(diǎn)蝕位置。 

超聲檢測(cè)技術(shù)由于檢測(cè)速度快、顯示直觀，已經(jīng)成為航空零部件等大型材料構(gòu)件普遍采用的檢測(cè)技術(shù)。但由于超聲波在空氣傳播時(shí)衰減速度快，檢測(cè)時(shí)對(duì)工件的表面粗糙度要求較高，需要使用耦合劑使聲波導(dǎo)入到待測(cè)工件內(nèi)部。 

1.2   渦流檢測(cè)

渦流檢測(cè)的本質(zhì)是根據(jù)電磁學(xué)原理，對(duì)導(dǎo)體施加高頻激勵(lì)，在導(dǎo)體中誘導(dǎo)出不同振幅和相位的渦流，然后測(cè)量二次磁場(chǎng)的變化，以確定鐵磁材料和非鐵磁材料是否存在缺陷?？捎糜谔綔y(cè)工件全面腐蝕和局部腐蝕，也可用于工業(yè)設(shè)備的在線(xiàn)測(cè)量。袁英民等[10]采用低頻渦流法檢測(cè)了在役飛機(jī)蒙皮多層結(jié)構(gòu)的夾層腐蝕問(wèn)題，綜合多部位腐蝕的信號(hào)幅度、相位分離度等因素，選取最佳頻率，并制作專(zhuān)用渦流探頭，通過(guò)分析阻抗圖中相位和幅值變化，有效區(qū)分了不同層的腐蝕缺陷。劉峰等[11]采用低頻渦流法檢測(cè)了耐熱奧氏體不銹鋼內(nèi)壁腐蝕層厚度，并用高頻渦流測(cè)量外壁氧化層厚度，腐蝕層厚度和氧化層厚度對(duì)渦流信號(hào)的影響規(guī)律與模擬結(jié)果一致。 

渦流檢測(cè)適用于所有導(dǎo)電材料，但由于存在高頻激勵(lì)信號(hào)，系統(tǒng)結(jié)構(gòu)較為復(fù)雜，信號(hào)處理困難[12]。同時(shí)，由于渦旋電流的趨膚效應(yīng)，其檢測(cè)深度受到了一定的限制。 

1.3   射線(xiàn)法

射線(xiàn)法主要基于X射線(xiàn)檢測(cè)原理，利用工件各個(gè)部位對(duì)射線(xiàn)的吸收率不同，判斷工件中是否存在缺陷以及缺陷的位置、大小。射線(xiàn)檢測(cè)具有檢測(cè)結(jié)果直觀、記錄容易保存等優(yōu)點(diǎn)，目前在航空航天領(lǐng)域主要應(yīng)用于精密鑄件、燒結(jié)和復(fù)合材料結(jié)構(gòu)的檢測(cè)[13]，但是對(duì)腐蝕缺陷的檢測(cè)精度存在較大誤差。這主要是由于缺陷檢出率與射線(xiàn)的入射方向有關(guān)，且利用不同部位黑度（曝光量）的差異來(lái)判斷腐蝕深度往往會(huì)帶來(lái)較大偏差。 

1.4   紅外熱成像檢測(cè)

紅外熱成像作為一種非接觸式的無(wú)損檢測(cè)方法，其主要原理是利用一束脈沖強(qiáng)熱流照射被測(cè)物體，并利用紅外探測(cè)器記錄被測(cè)物表面加熱冷卻過(guò)程的溫度場(chǎng)。由于被測(cè)物中有缺陷部位和無(wú)缺陷部位對(duì)應(yīng)的表面溫度不同，因此可以判定缺陷是否存在。與腐蝕有關(guān)的現(xiàn)象如設(shè)備泄漏，傳熱設(shè)備結(jié)垢等都可以提供紅外測(cè)量訊號(hào)，馬永明等[14]利用紅外熱成像法有效排查了帶壓設(shè)備保溫層下腐蝕泄漏隱患。 

紅外熱成像法具有快速、無(wú)需耦合、大面積檢測(cè)等特點(diǎn)，但紅外檢測(cè)方法易受環(huán)境溫度、局部空氣擾動(dòng)等條件影響，一般只適用于檢測(cè)蝕斑的分布，不適用于腐蝕發(fā)展速度的檢測(cè)[15]。 

2.   基于機(jī)器視覺(jué)的新型腐蝕缺陷檢測(cè)技術(shù)研究進(jìn)展

機(jī)器視覺(jué)主要利用計(jì)算機(jī)來(lái)模擬人或再現(xiàn)與人類(lèi)視覺(jué)有關(guān)的某些智能行為，從客觀事物的圖像中提取信息進(jìn)行處理并加以理解，從而高效精準(zhǔn)地完成復(fù)雜環(huán)境辨識(shí)與判斷等相關(guān)任務(wù)[16]。機(jī)器視覺(jué)技術(shù)將計(jì)算機(jī)技術(shù)與人工智能相結(jié)合，具有高實(shí)時(shí)性、高準(zhǔn)確性及智能化特點(diǎn)，近年來(lái)在交通運(yùn)輸、汽車(chē)制造、食品檢測(cè)等多個(gè)民用領(lǐng)域得到了廣泛應(yīng)用，同時(shí)在軍事領(lǐng)域中典型目標(biāo)識(shí)別、裝備缺陷檢測(cè)等也發(fā)揮了巨大作用[17-18]，這為將機(jī)器視覺(jué)技術(shù)用于航空裝備腐蝕缺陷檢測(cè)奠定了堅(jiān)實(shí)基礎(chǔ)。 

2.1   基于機(jī)器視覺(jué)的腐蝕檢測(cè)原理

機(jī)器視覺(jué)系統(tǒng)是通過(guò)圖像攝入裝置將攝入目標(biāo)轉(zhuǎn)換成圖像信號(hào)，傳輸?shù)綄?zhuān)門(mén)的圖像處理系統(tǒng)，根據(jù)像素分布和亮度、顏色等信息，轉(zhuǎn)換成數(shù)字信號(hào)；圖像系統(tǒng)對(duì)這些信號(hào)進(jìn)行各種運(yùn)算，提取目標(biāo)特征，然后根據(jù)判別結(jié)果進(jìn)行相應(yīng)運(yùn)算[19-20]。利用機(jī)器視覺(jué)方法對(duì)材料表面外觀腐蝕圖像進(jìn)行在線(xiàn)檢測(cè)，具有實(shí)現(xiàn)材料外觀腐蝕特征信息數(shù)字化、定量化，提高材料腐蝕特征識(shí)別規(guī)范性、準(zhǔn)確性的作用。 

航空材料表面腐蝕特征主要為點(diǎn)蝕、裂紋、鼓泡、剝落、粉化等，通過(guò)機(jī)器視覺(jué)系統(tǒng)可將材料蝕點(diǎn)的分布、大小、面積等轉(zhuǎn)化為二值化圖像信息、區(qū)域邊緣輪廓、紋理、亮度等描述，在圖像特征抽取中，對(duì)圖像形狀、圖像像素、顏色特征及紋理特征進(jìn)行統(tǒng)計(jì)，并用圖像直方圖和頻譜等表示。基于機(jī)器視覺(jué)的腐蝕檢測(cè)過(guò)程即首先通過(guò)攝像頭攝取材料腐蝕圖像，隨后對(duì)圖像進(jìn)行預(yù)處理、圖像分割，并對(duì)分割后的目標(biāo)圖像進(jìn)行特征提取，根據(jù)提取特征進(jìn)行分類(lèi)識(shí)別[21]。 

2.2   基于機(jī)器視覺(jué)的國(guó)內(nèi)外腐蝕檢測(cè)研究現(xiàn)狀

目前，基于機(jī)器視覺(jué)的產(chǎn)品設(shè)備發(fā)展已經(jīng)較為成熟，如工業(yè)相機(jī)、藍(lán)光相機(jī)等，特別是近年來(lái)蓬勃發(fā)展的激光立體相機(jī)技術(shù)，它是一種基于機(jī)器視覺(jué)的三維在線(xiàn)檢測(cè)方法，可進(jìn)行三維點(diǎn)云模型重建、立體定位、物體尺寸測(cè)量、物體表面缺陷檢測(cè)等多種二次應(yīng)用開(kāi)發(fā)[22-24]。 

基于線(xiàn)激光掃描立體相機(jī)檢測(cè)技術(shù)，以線(xiàn)激光作為主動(dòng)光源，采用可見(jiàn)光雙目視覺(jué)+線(xiàn)激光技術(shù)，類(lèi)同于人眼成像原理，利用左右雙目的成像視差（三角測(cè)距），進(jìn)行圖像匹配，進(jìn)而計(jì)算圖像上每個(gè)像素的深度信息，再加上圖像本身的二維信息，給出拍攝圖像的三維立體信息。該方法的優(yōu)點(diǎn)在于精度高、效率快、直觀、成本低、適應(yīng)性強(qiáng)等，可以最大限度地避免人為因素及環(huán)境因素干擾，在線(xiàn)獲取高質(zhì)量、高通量的缺陷圖像，應(yīng)用發(fā)展前景十分廣闊，其技術(shù)原理見(jiàn)圖1。 

圖  1  激光立體相機(jī)技術(shù)原理

Figure  1.  Principle of laser stereo camera technology

工業(yè)相機(jī)或立體相機(jī)為圖像的高實(shí)時(shí)性精準(zhǔn)獲取提供了堅(jiān)實(shí)基礎(chǔ)，但在所得大量圖像數(shù)據(jù)中，檢測(cè)人員經(jīng)常面臨圖像顯示質(zhì)量較差、多種缺陷交疊及非線(xiàn)性材料等問(wèn)題，僅依據(jù)專(zhuān)業(yè)檢測(cè)人員的知識(shí)和經(jīng)驗(yàn)判斷往往會(huì)產(chǎn)生偏差，降低檢測(cè)結(jié)果的準(zhǔn)確性和可靠性。因此，機(jī)器視覺(jué)技術(shù)應(yīng)用于腐蝕損傷檢測(cè)中面臨的關(guān)鍵問(wèn)題是如何區(qū)分腐蝕缺陷與非腐蝕缺陷，以及不同類(lèi)型的腐蝕缺陷。 

機(jī)器視覺(jué)作為新一代智能感知技術(shù)，是智能制造和人工智發(fā)展的重要環(huán)節(jié)，基于機(jī)器視覺(jué)的腐蝕檢測(cè)技術(shù)的可靠性需要高準(zhǔn)確度的圖像智能識(shí)別算法來(lái)保證。近年來(lái)，基于深度學(xué)習(xí)的圖像識(shí)別技術(shù)飛速發(fā)展，深度學(xué)習(xí)在目標(biāo)檢測(cè)、目標(biāo)分割等問(wèn)題上取得技術(shù)突破[25-26]，使對(duì)圖像信息進(jìn)行客觀、快速、準(zhǔn)確評(píng)價(jià)成為可能，深度學(xué)習(xí)的機(jī)器視覺(jué)方法（機(jī)器學(xué)習(xí)方法）已應(yīng)用于醫(yī)療、能源、制造、交通等各個(gè)領(lǐng)域。FICZERE等[27]基于機(jī)器學(xué)習(xí)方法研究了包衣片膜層厚度實(shí)時(shí)測(cè)量和缺陷識(shí)別技術(shù)，其中采用深度學(xué)習(xí)YOLOv5數(shù)據(jù)增強(qiáng)算法對(duì)5類(lèi)缺陷片劑圖像進(jìn)行識(shí)別，分類(lèi)準(zhǔn)確率達(dá)到98.2%。RUGGIERI等[28]利用機(jī)器學(xué)習(xí)方法對(duì)橋梁結(jié)構(gòu)件進(jìn)行缺陷檢測(cè)研究，首先對(duì)橋梁缺陷（裂紋、鋼筋銹蝕、蜂窩等）數(shù)據(jù)集進(jìn)行篩選，建立數(shù)據(jù)庫(kù)，并由領(lǐng)域?qū)＜野凑障嚓P(guān)標(biāo)準(zhǔn)對(duì)缺陷進(jìn)行分類(lèi)，然后對(duì)數(shù)據(jù)庫(kù)進(jìn)行卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練，結(jié)果表明，該方法對(duì)于自動(dòng)識(shí)別橋梁缺陷和損傷具有良好有效性和準(zhǔn)確性。FU等[29]全面總結(jié)了機(jī)器學(xué)習(xí)算法在激光增材制造領(lǐng)域缺陷識(shí)別方面的應(yīng)用，其中，應(yīng)用人工神經(jīng)網(wǎng)絡(luò)模型和卷積網(wǎng)絡(luò)模型對(duì)圖像進(jìn)行訓(xùn)練，對(duì)金屬表面氣孔、裂紋、表面織構(gòu)等的檢出率均達(dá)到95%以上。以上研究結(jié)果表明，深度學(xué)習(xí)的機(jī)器視覺(jué)技術(shù)可有效識(shí)別缺陷，為腐蝕缺陷的智能識(shí)別提供可靠保證。 

目前，對(duì)獲取的腐蝕圖像信息進(jìn)行識(shí)別與處理也是國(guó)內(nèi)外的研究重點(diǎn)。PIDAPARTI等[30]運(yùn)用無(wú)損檢測(cè)技術(shù)獲取了飛行器結(jié)構(gòu)腐蝕區(qū)域的圖像并進(jìn)行小波分解，用聚類(lèi)分析的方法對(duì)從圖像中得到的小波參數(shù)進(jìn)行分類(lèi)，從而識(shí)別了發(fā)生腐蝕的區(qū)域進(jìn)。CARVALHO等[31]利用人工神經(jīng)網(wǎng)絡(luò)模型對(duì)管道焊縫外腐蝕、內(nèi)腐蝕和未熔透三種缺陷類(lèi)型的漏磁信號(hào)進(jìn)行識(shí)別，將1 025個(gè)漏磁點(diǎn)檢測(cè)的數(shù)字信號(hào)作為人工神經(jīng)網(wǎng)絡(luò)模型輸入，并對(duì)信號(hào)進(jìn)行預(yù)處理，結(jié)果表明，人工神經(jīng)網(wǎng)絡(luò)模型對(duì)非缺陷信號(hào)和缺陷信號(hào)分類(lèi)準(zhǔn)確率達(dá)到94.2%，對(duì)腐蝕缺缺陷分類(lèi)準(zhǔn)確率達(dá)到92.5%。SHEIRH等[32]將加速腐蝕試驗(yàn)中的聲發(fā)射信號(hào)檢測(cè)與機(jī)器學(xué)習(xí)相結(jié)合，預(yù)測(cè)了腐蝕的嚴(yán)重程度，首先以高頻采樣頻率采集聲發(fā)射信號(hào)，然后運(yùn)用不同機(jī)器學(xué)習(xí)方法對(duì)聲發(fā)射信號(hào)平均值、均方根值、能量和峰度等特征值進(jìn)行訓(xùn)練，通過(guò)與依據(jù)加速腐蝕試驗(yàn)質(zhì)量損失劃分的5種腐蝕等級(jí)進(jìn)行對(duì)比，運(yùn)用樸素貝葉斯、BP-NN（反向傳播神經(jīng)網(wǎng)絡(luò)）和RBF-NN（徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)）進(jìn)行腐蝕等級(jí)預(yù)測(cè)，準(zhǔn)確率分別為90.4%、94.57%和100%。 

閆占霄[33]研究了機(jī)器學(xué)習(xí)方法在飛機(jī)蒙皮損傷識(shí)別上的應(yīng)用，結(jié)果表明支持向量機(jī)在訓(xùn)練樣本較少的情況下準(zhǔn)確率加高，隨著樣本數(shù)量增加，辛群分類(lèi)器更有優(yōu)勢(shì)。ZHANG等[34]采用機(jī)器學(xué)習(xí)方法對(duì)井控設(shè)備進(jìn)行了腐蝕缺陷識(shí)別與風(fēng)險(xiǎn)評(píng)估，首先建立了一種改進(jìn)的K近鄰算法（KNN）腐蝕缺陷分類(lèi)與識(shí)別模型，并根據(jù)該模型輸出的腐蝕類(lèi)型，對(duì)井控管線(xiàn)的腐蝕風(fēng)險(xiǎn)進(jìn)行了評(píng)價(jià)，結(jié)果表明該改進(jìn)算法對(duì)井控管線(xiàn)腐蝕類(lèi)型的識(shí)別具有較高的精度，且計(jì)算速度優(yōu)于本文其他算法。 

綜上所述，機(jī)器視覺(jué)產(chǎn)品和深度學(xué)習(xí)等智能算法的發(fā)展均為基于機(jī)器視覺(jué)的腐蝕檢測(cè)技術(shù)提供了良好基礎(chǔ)，但目前已經(jīng)應(yīng)用于航空裝備表面腐蝕缺陷檢測(cè)的成熟產(chǎn)品不多。這主要是由于基于機(jī)器視覺(jué)的立體相機(jī)技術(shù)在飛機(jī)、發(fā)動(dòng)機(jī)等航空裝備上的腐蝕檢測(cè)研究尚處于起步階段，目前正在進(jìn)行設(shè)備的研發(fā)。此外，對(duì)航空材料腐蝕缺陷進(jìn)行識(shí)別和評(píng)價(jià)的智能算法也尚處于研究階段。中國(guó)航發(fā)北京航空材料研究院自主研發(fā)了適用于航空材料表面腐蝕檢測(cè)的激光立體相機(jī)，如圖2所示，該相機(jī)能夠?qū)崿F(xiàn)對(duì)腐蝕缺陷的智能識(shí)別，但相關(guān)算法軟件的圖像處理能力仍有待進(jìn)一步提升。 

圖  2  航空裝備表面腐蝕檢測(cè)用便攜式激光立體相機(jī)

Figure  2.  Portable laser stereo camera for surface corrosion detection of aviation equipment

2.3   基于機(jī)器視覺(jué)的腐蝕檢測(cè)技術(shù)發(fā)展趨勢(shì)

2.3.1   深度學(xué)習(xí)算法在腐蝕損傷智能檢測(cè)及評(píng)價(jià)的深度應(yīng)用

航空裝備在嚴(yán)酷海洋環(huán)境中服役時(shí)，不同材料發(fā)生的腐蝕損傷類(lèi)型多樣、形式復(fù)雜，這制約了機(jī)器視覺(jué)技術(shù)在腐蝕檢測(cè)中的應(yīng)用。其關(guān)鍵問(wèn)題是如何運(yùn)用基于深度學(xué)習(xí)的圖像識(shí)別技術(shù)，實(shí)現(xiàn)腐蝕缺陷與非腐蝕缺陷的精準(zhǔn)區(qū)分以及不同類(lèi)型腐蝕缺陷的智能識(shí)別和評(píng)價(jià)。因此，進(jìn)一步研發(fā)和優(yōu)化腐蝕損傷智能識(shí)別算法，提高模型泛化能力是重要研究方向。 

2.3.2   腐蝕數(shù)據(jù)庫(kù)專(zhuān)家咨詢(xún)系統(tǒng)的建立

將腐蝕圖像信息定量化處理，建立數(shù)據(jù)庫(kù)，在此基礎(chǔ)上建立腐蝕等級(jí)智能評(píng)估及專(zhuān)家咨詢(xún)系統(tǒng)，實(shí)現(xiàn)裝備材料腐蝕程度的精準(zhǔn)預(yù)測(cè)、自動(dòng)評(píng)估、自動(dòng)安排計(jì)劃等，是腐蝕檢測(cè)智能化水平的重要標(biāo)志。 

智能化   小型化腐蝕檢測(cè)設(shè)備的集成

機(jī)器視覺(jué)系統(tǒng)應(yīng)向小型化、高穩(wěn)定性、高集成度的嵌入式機(jī)器視覺(jué)系統(tǒng)方向發(fā)展。研發(fā)適合外場(chǎng)使用、可視化、便攜式、智能化的腐蝕檢測(cè)設(shè)備是未來(lái)的重要趨勢(shì)。 

3.   結(jié)束語(yǔ)

無(wú)論是超聲、渦流、射線(xiàn)等常規(guī)檢測(cè)技術(shù)還是具有廣闊應(yīng)用前景的機(jī)器視覺(jué)技術(shù)，均由無(wú)損檢測(cè)向無(wú)損評(píng)價(jià)方向發(fā)展。應(yīng)用于航空裝備表面的腐蝕檢測(cè)，不但要探測(cè)到腐蝕缺陷的位置、大小、性質(zhì)，還應(yīng)對(duì)腐蝕過(guò)程的發(fā)展、對(duì)材料結(jié)構(gòu)性能和壽命的影響進(jìn)行預(yù)測(cè)和綜合評(píng)價(jià)。隨著計(jì)算機(jī)、人工智能等技術(shù)的飛速發(fā)展，將機(jī)器學(xué)習(xí)等方法應(yīng)用于腐蝕缺陷檢測(cè)中，為實(shí)現(xiàn)腐蝕缺陷的智能識(shí)別和等級(jí)評(píng)價(jià)提供了堅(jiān)實(shí)基礎(chǔ)。

文章來(lái)源——材料與測(cè)試網(wǎng)