Welding is used in various industrial fields such as aerospace, shipbuilding, nuclear and thermal power plants because of its simple manufacturing process, high bonding strength, and excellent airtightness and watertightness compared to other manufacturing processes. However, welding is a method of applying high heat in a short time, welding defects are easy to occur so welded products and structures are required to verify their soundness through non-destructive tests. When evaluating welding defects through phased array ultrasonic test, it is highly dependent on the skill and experience of the inspector so an objective and quantitative automatic defect evaluation based on artificial intelligence is required. An algorithm detecting 6 types of welding defect (crack, incomplete penetration, lack of fusion, porosity, slag inclusion, and undercut) that frequently occur was studied in this thesis. The S-scan image was restored with ultrasound A-scan and used as training data. The position of defects on the Scan axis was detected through binary classification on the S-scan image, and the position on the Index axis and Depth axis of defects in the S-scan image was detected through Image segmentation. Defect detection algorithm based on artificial intelligence was developed which can evaluate the number, length, and position of defects of the standard defect specimen and achieved the defect detection rate of 98.28 %.
용접 기술은 다른 공정법들에 비하여 작업 공정이 간단하고 높은 접합강도와 우수한 기밀성과 수밀성으로 항공우주 산업, 조선 산업, 원자력 및 화력 발전소 등 다양한 산업 분야에서 이용되고 있다. 그러나 단시간에 높은 열을 가해 접합하는 방법이므로 용접결함이 발생하기 쉬우므로 용접 제품 및 구조물들은 비파괴검사를 통한 건전성 검증이 요구된다. 위상 배열 초음파 검사를 통한 용접부 결함 평가 시 검사자의 기량과 경험에 높은 의존도를 보이고 있으므로 객관적이고 정량적인 결함 평가 방법이 요구되고 있다. 본 논문에서는 용접 시 자주 발생하는 6 가지의 용접 결함인 균열, 용입 불량, 융합 부족, 기공, 슬래그 혼입, 언더컷을 탐지하는 결함 탐지 알고리즘에 대해 연구하였다.
초음파 A-scan으로 S-scan 영상을 복원하여 학습데이터로 사용하였다. 용접 형상과 결함과의 상대적인 위치 정보를 활용하기 위해 용접 형상을 Overlay했고, 노이즈 최소화를 위해 용접부 위치 기반 관심영역을 추출하는 등 데이터 전처리 과정을 수행했다. S-scan 영상에 대한 이진 분류를 Scan축에서의 결함 위치 및 길이를 탐지하였고 Image segmentation을 통해 S-scan 영상 내 결함의Index축, Depth축에서의 위치를 탐지하였다. 표준결함 시편에 대한 검사 데이터 입력 시 결함의 개수, 길이 및 위치를 평가하는 인공지능 기반 결함 탐지 알고리즘을 개발하였고 결함 탐지율 98.28%를 달성하였다.
